초록
최근 강체 물체의 6D 자세 추정에서 가장 주목받는 트렌드는 딥 네트워크를 사용하여 이미지에서 직접 자세를 회귀하거나 3D 키포인트의 2D 위치를 예측하는 것입니다. 이 경우 PnP 알고리즘을 사용하여 자세를 얻을 수 있습니다. 두 방법 모두 객체를 전역적인 실체로 취급하며, 단일 자세 추정치가 계산됩니다. 그 결과, 이러한 기술들은 큰 가림 현상에 약할 수 있습니다.본 논문에서는 각 객체의 가시 부분이 2D 키포인트 위치 형태로 로컬 자세 예측에 기여하는 분할 주도형 6D 자세 추정 프레임워크를 소개합니다. 그런 다음 예측된 신뢰도 측정값을 사용하여 이러한 자세 후보들을 결합하여 견고한 3D-2D 대응 집합을 생성합니다. 이를 통해 신뢰성 있는 자세 추정치를 얻을 수 있습니다. 우리는 도전적인 Occluded-LINEMOD 및 YCB-Video 데이터셋에서 최신 연구보다 우수한 성능을 보였으며, 이는 우리의 접근 방식이 서로 가림 현상을 일으키는 여러 개의 질감이 부족한 객체들에 대해 잘 대처함을 입증합니다. 또한 충분히 간단한 아키텍처를 기반으로 실시간 성능을 달성할 수 있습니다.