基于合成数据的刚体目标姿态追踪网络

来源：计算机测量与控制杂志2024年第5期北京时间：

作者：刘千山,林雪剑,朱枫,李佩东

摘要：现有刚体姿态估计存在数据稀缺、复杂场景下的低鲁棒性及低实时性等问题，为此提出一种基于合成数据的刚体目标位姿追踪网络结构。采用时空间特征融合技术，捕捉时间与空间特征信息，生成具有时空敏感的特征图；利用残差连接学习更为丰富和抽象的优质特征，改善追踪目标的准确性；对稀缺数据进行数据增强，生成符合现实物理特性的复杂合成数据，以此训练深度学习模型，提高模型的泛化性。在YCB-Video数据集中选取7个物体进行实时姿态追踪实验，结果表明，提出的方法相较于同类相关方法，在复杂场景下对刚体姿态估计的更为准确，在实时估计效率上表现最优。

关键词：姿态追踪;数据稀缺;时空特征融合;残差连接;数据增强

基金资助：国家自然科学基金(61601213)