반복 대응 기하학: 영역과 깊이를 융합한 효율적인 무문자 3D 추적

3차원 공간에서 객체를 추적하고 그 6자유도(6DoF) 자세를 예측하는 것은 컴퓨터 비전 분야에서 필수적인 작업입니다. 최신 접근 방식은 이 문제를 해결하기 위해 주로 객체의 텍스처에 의존합니다. 그러나 이러한 방법이 뛰어난 결과를 얻기는 하지만, 많은 객체들은 충분한 텍스처를 포함하지 않아 주요 기본 가정을 위반합니다. 따라서 본 연구에서는 지역 정보와 깊이 정보를 융합하여 객체 기하학만을 필요로 하는 새로운 확률적 추적기인 ICG를 제안합니다. 우리의 방법은 대응선과 점을 사용하여 반복적으로 자세를 개선합니다. 또한, 실제 환경에서 성능을 향상시키기 위해 강건한 가림 처리를 구현했습니다. YCB-Video, OPT, 그리고 Choi 데이터셋에 대한 실험 결과는 텍스처가 있는 객체들조차도 정확성과 강건성 측면에서 우리의 접근 방식이 현재 최신 기술보다 우수함을 보여줍니다. 동시에, ICG는 빠른 수렴 속도와 뛰어난 효율성을 보여주며, 단일 CPU 코어에서 프레임당 1.3 ms만 필요로 합니다. 마지막으로, 개별 구성 요소의 영향을 분석하고 딥러닝 기반 방법들과의 성능 비교에 대해 논의합니다. 우리의 추적기 소스 코드는 공개되어 있습니다.