论文题目：SilhoNet:An RGB Method for 3D Object Pose Estimation and Grasp Planning
论文地址：公众号「3D视觉工坊」后台回复「silhonet」，即可获得论文原文。
摘要:自主机器人操纵通常涉及估计待操纵物体的位姿和选择可行的抓取点。使用RGB-D数据的方法在解决这些问题方面取得了巨大成功。但是，在某些情况下，成本限制或工作环境可能会限制RGB-D传感器的使用。当仅限于单目相机数据时，对象位姿估计和抓取点选择的问题都是非常具有挑战性的。过去，研究的重点是分别解决这些问题。在这项工作中，本文引入了一种名为SilhoNet的新方法，它弥合了这两项任务之间的差距。本文使用卷积神经网络（CNN）架构，该架构接收感兴趣区域（ROI）的提议，以此来同时预测具有相关遮挡掩模的对象的中间轮廓表示。然后从预测的轮廓回归3D位姿。在预先计算的数据库中抓取点通过将它们反投影到遮挡掩模上来过滤，以找出在场景中可见的点。本文表明，本文的方法在YCB视频数据集上比用于3D位姿估计的最先进的PoseCNN网络实现了更好的整体性能。
一、位姿估计简介使用中间轮廓表示来促进在合成数据上学习模型以预测真实数据上的3D对象位姿，有效地桥接SIM到实际域移位;
在本文中，本文提出以下贡献：
1）SilhoNet，一种新的基于RGB的深度学习方法，用于估计覆盖场景遮挡的位姿估计;
2）使用中间轮廓表示来促进
