poseCNN
1 创新点
- 提出新的位置估计表示形式：预测2d图片中心和距离摄像头距离（利用图像坐标来推测实际3D坐标）。并且通过hough投票来确定物体位置中心。
- 提出新的姿态估计损失函数ShapeMatch-Loss：解决旋转对称物体姿态估计问题
- 提出新的数据集： YCB-Video dataset
2 论文思路
Net.png
上述是整个网络结构图
- bodynet是vgg16，
- 网络的预测输出共有3个。语义分割分支，位置分支，姿态分支。。
- 位置分支：利用ISM 表示形式（ISM介绍）间接推测出，而非直接预测三维坐标XYZ值。
a) 投票.
b) 极大值抑制.
c) 设置阈值 - 姿态分支：采用四元数表示。对于每个类的每个roi，都预测一个结果。
3 训练过程
3.1 ShapeMatch-Loss
对于上述的每个分支，都有一个loss，一共有3个loss。同时，作者为了应对旋转对称物体的姿态迷惑性（即可以用多个四元数来表示一个姿态），作者提出了一个新的loss——ShapeMatch-Loss。
SLoss.png
M是代表3d模型空间中的点，
3.2 数据集
作者在OccludedLINEMOD Dataset 和YCB-Video Dataset（作者提出的）进行训练和测试。
4 结果
4.1 SLoss
image.png
4.2 与baseline对比
baseline为3D coordinate 。
image.png
使用RGB作为输入，poseCNN明显性能更高。
使用RGB-D作为输入，使用ICP作为后处理能够明显提升性能。
