Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2505.24636v1

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2505.24636v1 (cs)
[提交于 2025年5月30日 ]

标题: 使用格点变形框架和扩散增强合成数据的农业环境下的类别级6D物体位姿估计

标题: Category-Level 6D Object Pose Estimation in Agricultural Settings Using a Lattice-Deformation Framework and Diffusion-Augmented Synthetic Data

Authors:Marios Glytsos, Panagiotis P. Filntisis, George Retsinas, Petros Maragos
摘要: 准确的6D物体姿态估计对于机器人抓取和操作至关重要,特别是在农业领域,其中水果和蔬菜在形状、大小和纹理方面表现出很高的类内变异性。 现有方法的绝大部分依赖于特定实例的CAD模型,或者需要深度传感器来解决几何模糊性,这使得它们在现实世界的农业应用中变得不切实际。 在这项工作中,我们引入了PLANTPose,这是一种新颖的框架,用于类别级别的6D姿态估计,完全基于RGB输入。 PLANTPose预测了相对于基础网格的6D姿态和变形参数,使单一的类别级别CAD模型能够适应未见过的实例。 这使得在不同形状上进行精确的姿态估计成为可能,而无需依赖特定实例的数据。 为了增强真实感并提高泛化能力,我们还利用Stable Diffusion通过真实的纹理细化合成训练图像,模仿由于成熟度和环境因素引起的变异,并弥合合成数据与现实世界之间的领域差距。 我们在一个具有挑战性的基准测试中的评估表明,我们的框架在处理大类内变化的同时保持了准确的6D姿态预测,显著优于最先进的基于RGB的方法MegaPose。
摘要: Accurate 6D object pose estimation is essential for robotic grasping and manipulation, particularly in agriculture, where fruits and vegetables exhibit high intra-class variability in shape, size, and texture. The vast majority of existing methods rely on instance-specific CAD models or require depth sensors to resolve geometric ambiguities, making them impractical for real-world agricultural applications. In this work, we introduce PLANTPose, a novel framework for category-level 6D pose estimation that operates purely on RGB input. PLANTPose predicts both the 6D pose and deformation parameters relative to a base mesh, allowing a single category-level CAD model to adapt to unseen instances. This enables accurate pose estimation across varying shapes without relying on instance-specific data. To enhance realism and improve generalization, we also leverage Stable Diffusion to refine synthetic training images with realistic texturing, mimicking variations due to ripeness and environmental factors and bridging the domain gap between synthetic data and the real world. Our evaluations on a challenging benchmark that includes bananas of various shapes, sizes, and ripeness status demonstrate the effectiveness of our framework in handling large intraclass variations while maintaining accurate 6D pose predictions, significantly outperforming the state-of-the-art RGB-based approach MegaPose.
评论: 7页,4个图。提交至IEEE/RSJ智能机器人和系统国际会议(IROS)2025。该工作已提交给IEEE以可能出版。
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2505.24636 [cs.CV]
  (或者 arXiv:2505.24636v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2505.24636
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Marios Glytsos [查看电子邮件]
[v1] 星期五, 2025 年 5 月 30 日 14:25:52 UTC (3,582 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-05
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号