【目标跟踪】开源 | ROFT：一种卡尔曼滤波方法，从RGB-D图像流中快速、精确的跟踪6D目标的姿态和速度

备注：研究方向+地点+学校/公司+昵称，更快通过申请，长按加细分领域技术交流群，目前有细分领域：图像分割、图像目标检测、论文写作、车道检测、模型优化、目标跟踪、SLAM、点云处理（分割检测）、深度学习。

论文地址： http://arxiv.org/pdf/2111.03821v1.pdf

来源： Istituto Italiano di Tecnologia

论文名称：ROFT: Real-time Optical Flow-aided 6D Object Pose and Velocity Tracking

原文作者：Nicola A. Piga

内容提要

6D目标姿态跟踪在机器人和计算机视觉领域已经得到了广泛的研究。最有前途的解决方案，利用深度神经网络和/或过滤和优化，在标准基准上表现出显著的性能。然而，据我们所知，这些还没有经过针对快速物体运动的彻底测试。在这种情况下，跟踪性能会显著下降，特别是对于那些不能实现实时性能并引入不可忽略延迟的方法。在本文中，我们介绍了ROFT，一种卡尔曼滤波方法，用于从RGB-D图像流中跟踪6D目标的姿态和速度。通过利用实时光流，ROFT同步低帧率卷积神经网络的延迟输出，例如使用RGB-D输入流进行分割和6D目标位姿估计，以实现快速、精确的6D目标位姿和速度跟踪。我们在一个新引入的逼真数据集Fast-YCB上测试我们的方法，Fast-YCB包括来自YCB模型集的快速移动对象，以及对象和手部姿态估计的数据集HO-3D上。结果表明，我们的方法优于先进的6D目标姿态跟踪方法，同时也提供6D目标速度跟踪。作为补充资料，还提供了一段演示实验的录象。

主要框架及实验结果