iros20-6d-pose-tracking 这是我们的论文“ se(3)-TrackNet:通过校准合成域中的图像残差进行数据驱动的6D姿态跟踪”的正式实施,该论文已在2020年智能机器人与系统国际会议(IROS)上接受。 摘要:跟踪视频序列中对象的6D姿势对于机器人操纵非常重要。 但是,该任务带来了多个挑战:(i)机器人操纵涉及大量遮挡; (ii)对于6D姿势而言,数据和注释很麻烦且难以收集,这使机器学习解决方案变得复杂,并且(iii)长期跟踪中经常会累积增量误差漂移,从而需要重新初始化对象的姿势。 这项工作为长期的6D姿态跟踪提出了一种数据驱动的优化方法。 它旨在根据给定的当前R