elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Augmented Autoencoders: Implicit 3D Orientation Learning for 6D Object Detection

Sundermeyer, Martin und Marton, Zoltan-Csaba und Durner, Maximilian und Triebel, Rudolph (2020) Augmented Autoencoders: Implicit 3D Orientation Learning for 6D Object Detection. International Journal of Computer Vision. Springer. doi: 10.1007/s11263-019-01243-8. ISSN 0920-5691.

[img] PDF - Nur DLR-intern zugänglich - Verlagsversion (veröffentlichte Fassung)
5MB

Kurzfassung

We propose a real-time RGB-based pipeline for object detection and 6D pose estimation. Our novel 3D orientation estimation is based on a variant of the Denoising Autoencoder that is trained on simulated views of a 3D model using Domain Randomization. This so-called Augmented Autoencoder has several advantages over existing methods: It does not require real, pose-annotated training data, generalizes to various test sensors and inherently handles object and view symmetries. Instead of learning an explicit mapping from input images to object poses, it provides an implicit representation of object orientations defined by samples in a latent space. Our pipeline achieves state-of-the-art performance on the T-LESS dataset both in the RGB and RGB-D domain. We also evaluate on the LineMOD dataset where we can compete with other synthetically trained approaches. We further increase performance by correcting 3D orientation estimates to account for perspective errors when the object deviates from the image center and show extended results. Our code is available here https://github.com/DLR-RM/AugmentedAutoencoder.

elib-URL des Eintrags:https://elib.dlr.de/135549/
Dokumentart:Zeitschriftenbeitrag
Titel:Augmented Autoencoders: Implicit 3D Orientation Learning for 6D Object Detection
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Sundermeyer, Martinmartin.sundermeyer (at) dlr.dehttps://orcid.org/0000-0003-0587-9643NICHT SPEZIFIZIERT
Marton, Zoltan-CsabaZoltan.Marton (at) dlr.dehttps://orcid.org/0000-0002-3035-493XNICHT SPEZIFIZIERT
Durner, MaximilianMaximilian.Durner (at) dlr.dehttps://orcid.org/0000-0001-8885-5334NICHT SPEZIFIZIERT
Triebel, RudolphRudolph.Triebel (at) dlr.dehttps://orcid.org/0000-0002-7975-036XNICHT SPEZIFIZIERT
Datum:März 2020
Erschienen in:International Journal of Computer Vision
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1007/s11263-019-01243-8
Verlag:Springer
ISSN:0920-5691
Status:veröffentlicht
Stichwörter:6D Object Detection, Pose Estimation, Domain Randomization, Autoencoder, Synthetic Data, Pose Ambiguity, Symmetries
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben Multisensorielle Weltmodellierung (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013)
Hinterlegt von: Sundermeyer, Martin
Hinterlegt am:21 Jul 2020 09:47
Letzte Änderung:23 Okt 2023 12:49

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.