BundleTrack

这是我们论文的正式实现:该论文已被《国际智能机器人与系统会议》(IROS 2021)接受。

摘要 之前的 6D 对象姿态跟踪通常假设目标对象的 CAD 模型,至少在类别级别上,可用于离线训练或在线模板匹配。本文提出了 BundleTrack,一种用于新对象 6D 姿态跟踪的通用框架,该框架不依赖于 3D 模型,无论是在实例级别还是类别级别。它利用了 深度学习 在分割和稳健特征提取方面的最新进展的互补属性,以及基于记忆增强的姿态图优化,以实现时空一致性。这使得在各种具有挑战性的场景下,如明显遮挡和对象运动,实现长期的低漂移跟踪。 通过在两个公共基准上进行的全面实验,我们证明了所提出的方法显著优于先进的类别级 6D 跟踪或动态 SLAM 方法。与依赖于对象实例 CAD 模型的先进方法相比,尽管所提出的方法信息需求较少,但仍实现了可比的性能。在 CUDA 中高效实现后,整个框架的实时性达到 10Hz。

**此仓库可轻松应用于新的未知物体的 6D姿态跟踪。对于基于 CAD 模型的 6D姿态跟踪,请查看我的另一个仓库 se(3)-TrackNet

BundleTrack: 6D Pose Tracking for Novel Objects without Instance or Category-Level 3D Models