DenseFusion(6D姿态估计)解读-2019cvpr
DenseFusion(6D姿态估计)解读-2019cvpr 资源 论文 作者源码 他人修改过代码 作者的想法 我们在研究中发现，从 RGB-D 输入中提取 6D 姿态信息时，很多点是被其他对象遮挡住的，这就会导致识别性能发生明显下降。在前人的工作中，一种流行的方法是利用全局特征进行 6D 位姿估计。但是当发生了遮挡，全局特征很大程度上会受到影响，导致预估测结果不佳。在这项工作中，我们生成了基于像
相关文章
- 1. Pose 姿态估计
- 2. 头部姿态估计
- 3. 物体姿态估计——SilhoNet
- 4. 物体姿态估计——DeepIM
- 5. 物体6D姿态估计
- 6. 多目标姿态估计
- 7. 头部姿态估计——CNN
- 8. 视频 姿态估计
- 9. 相对姿态估计
- 10. pixhawk 光流--位置估计--姿态估计--位置控制--姿态控制
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • HTTP状态码 - HTTP 教程
- • JDK13 GA发布：5大特性解读
- • 三篇文章了解 TiDB 技术内幕 —— 说计算
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Pose 姿态估计
- 2. 头部姿态估计
- 3. 物体姿态估计——SilhoNet
- 4. 物体姿态估计——DeepIM
- 5. 物体6D姿态估计
- 6. 多目标姿态估计
- 7. 头部姿态估计——CNN
- 8. 视频 姿态估计
- 9. 相对姿态估计
- 10. pixhawk 光流--位置估计--姿态估计--位置控制--姿态控制