摘要

最近，估计刚性物体6D姿态的趋势是训练深度网络，直接从图像中回归姿态，或者预测3D关键点的2D位置，然后通过PnP算法获得姿态。在这两种情况下，物体被视为一个整体实体，并计算出单一的姿态估计值。因此，这些技术在面对大面积遮挡时可能变得脆弱。本文中，我们提出了一种基于分割的6D姿态估计框架，在该框架下，每个可见部分都以2D关键点位置的形式贡献局部姿态预测。随后，我们利用预测的置信度量来组合这些姿态候选值，形成一组稳健的3D到2D对应关系，从而获得可靠的姿态估计值。我们在具有挑战性的Occluded-LINEMOD和YCB-Video数据集上超越了现有方法，这表明我们的方法能够很好地处理多个纹理较差且相互遮挡的物体。此外，该方法依赖于足够简单的架构，能够实现实时性能。