dsoftware的博客

方法分类（Correspondences-based method）（Template-based method）（Voting-based method） （Regression-based method）一个简单的表格是这么创建的：姿态估计方法已知信息核心思路代表方法适用场景基于2D-3D对应的方法3D模型3D点与以及投影后的带纹理图像将3D模型投影得到RG...

最远点采样(Farthest Point Sampling)是一种非常常用的采样算法，由于能够保证对样本的均匀采样，被广泛使用，像3D点云深度学习框架中的PointNet++对样本点进行FPS采样再聚类作为感受野，3D目标检测网络VoteNet对投票得到的散乱点进行FPS采样再进行聚类，6D位姿估计算法PVN3D中用于选择物体的8个特征点进行投票并计算位姿。对于FPS算法的原理，两篇博文：PointNet++的pytorch实现代码阅读，以及 PointNet++详解与代码已经介绍的非常详细了，一句话概

引言常见的目标检测方法能够获得物体的2D包围盒（Bounding Box），然而这对于机器人抓取任务是不够的。机器人抓取需要知道物体的准确朝向，进而确定抓取点。针对纹理丰富的物体，可以使用SIFT等特征点与模板图像匹配进行定位；对于弱纹理或无纹理物体，可以使用稳定的梯度或者深度图法向进行匹配，进而恢复位姿；一些基于parts进行投票的方法也取得了很好的效果；然而，这些方法对于光照和杂乱场景效果很...