无纹理可变形物体跟踪使用隐形标记器

科学领域:

• 计算机视觉 计算机视觉
• 机器人技术 机器人技术 机器人技术
• 3D重建的3D重建

背景情况:

• 追踪和重建具有有限纹理的可变形物体是计算机视觉中的一个重大挑战.
• 缺乏明显的特征阻碍了准确的通信匹配和运动跟踪.

研究的目的:

• 引入一种使用"隐形标记"的新方法,用于对低质地可变形物体进行可靠的跟踪.
• 为了生成高质量的标记数据,用于在这个领域训练机器学习算法.
• 提供一个全面的数据集 (DOT) 用于基准测试可变形物体的跟踪和重建.

主要方法:

• 只有在紫外线 (UV) 光下可见的"隐形标记"的发展.
• 设计了一种新型的成像系统,可以同时捕捉未被触摸和UV标记物体的视图.
• 用于将基于标记器的对应内容转移到未被触及的视图的算法,用于基准真理标签.

主要成果:

• 成功生成高质量的标记数据,用于训练基于学习的算法.
• 创建了DOT数据集,包括大约一百万个不同可变形物体的视频,具有2D和3D地面真相对应.
• 基准测试显示,当在DOT数据集上进行训练时,最先进的方法的性能有了显著的改善.

结论:

• 隐形标记器提供了一个有效的解决方案,用于准确的对应匹配和跟踪缺乏纹理的可变形物体.
• 交通部数据集是推动可变形物体追踪和重建研究的宝贵资源.
• 对DOT数据集的培训提高了计算机视觉模型对未见数据的概括能力.