Iterative korrespondierende Geometrie: Verschmelzung von Region und Tiefe für hocheffizientes 3D-Tracking von texturlosen Objekten

Die Verfolgung von Objekten im 3D-Raum und die Vorhersage ihrer 6DoF-Pose ist eine wesentliche Aufgabe in der Computer Vision. Moderne Ansätze verlassen sich oft auf die Textur von Objekten, um dieses Problem zu lösen. Sie erzielen zwar beeindruckende Ergebnisse, aber viele Objekte enthalten keine ausreichende Textur, was gegen die wichtigste zugrunde liegende Annahme verstößt. Im Folgenden schlagen wir daher ICG vor, einen neuartigen probabilistischen Tracker, der Regionen- und Tiefeninformationen kombiniert und nur die Objektgeometrie benötigt. Unsere Methode setzt Korrespondenzlinien und -punkte ein, um die Pose iterativ zu verfeinern. Außerdem implementieren wir eine robuste Behandlung von Verdeckungen, um die Leistung in realen Umgebungen zu verbessern. Experimente mit den Datensätzen YCB-Video, OPT und Choi zeigen, dass unser Ansatz selbst bei texturierten Objekten den aktuellen Stand der Technik in Bezug auf Genauigkeit und Robustheit übertrifft. Gleichzeitig zeigt ICG eine schnelle Konvergenz und herausragende Effizienz, da es nur 1,3 ms pro Bild auf einem einzigen CPU-Kern benötigt. Abschließend analysieren wir den Einfluss der einzelnen Komponenten und diskutieren unsere Leistung im Vergleich zu Deep Learning-basierten Methoden. Der Quellcode unseres Trackers ist öffentlich zugänglich.