• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Youth Academic Annual Conference of Chinese Association of Automation >Deep Learning of Volumetric Representation for 3D Object Recognition
【24h】

Deep Learning of Volumetric Representation for 3D Object Recognition

机译：深度学习3D对象识别的体积表示

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Robust 3D object detection and pose estimation is still a big challenging for robot vision. In this paper, we propose a new framework for 3D object detection and pose estimation. Rather than using RGB-D image as the original data, we propose to use volumetric representation with the help of unsupervised deep learning network to extract low dimensional feature from 3D point cloud directly. The volumetric representation can not only eliminate the dense scale sampling for offline model training, but also reduce the distortion by mapping the 3D shape to 2D plane and overcome the dependence on texture information. Depending on the Hough forest, we can achieve multi-object detection and pose estimation simultaneously. In compare with the state-of-the-arts using public datasets, we justify the effectiveness of our proposed method.
机译：强大的3D对象检测和姿势估计对于机器人视觉仍然是一个很大的挑战。在本文中，我们提出了一种用于3D对象检测和姿势估计的新框架。我们不是使用RGB-D图像作为原始数据，我们建议在无监督的深度学习网络的帮助下使用体积表示，直接从3D点云中提取低维度特征。体积表示不仅可以消除离线模型训练的密集级采样，还可以通过将3D形状映射到2D平面来降低失真并克服对纹理信息的依赖性。根据Hough森林，我们可以同时达到多目标检测和姿态估计。与使用公共数据集的最先进的技术相比，我们证明了我们提出的方法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号