OnePose: One-Shot Object Pose Estimation without CAD Models
代码链接：https://zju3dv.github.io/onepose/
文章链接：https://zju3dv.github.io/onepose/
作者：Yu
摘要我们提出了一种名为OnePose的物体姿态估计的新方法。与现有的实例级或类别级方法不同，OnePose不依赖于CAD模型，可以处理任意类别的物体，而不需要进行针对实例或类别的网络训练。OnePose借鉴了视觉定位的思路，只需要对物体进行简单的RGB视频扫描，就可以建立一个物体的稀疏SfM模型。然后，这个模型被注册到具有通用特征匹配网络的新查询图像上。为了缓解现有视觉定位方法的缓慢运行时间，我们提出了一个新的图注意网络，该网络直接将查询图像中的二维兴趣点与SfM模型中的三维点进行匹配，从而实现高效和稳健的姿势估计。结合基于特征的姿势跟踪器，OnePose能够稳定地检测并实时跟踪日常家用物品的6D姿势。我们还收集了一个大规模的数据集，其中包括150个物体的450个序列。
一、介绍物体姿势估计在增强现实（AR）中发挥着重要作用。AR中物体姿态估计的最终目标是将任意物体作为AR效果的 "虚拟锚"，这就要求我们有能力估计日常生活中周围
