【位姿估计】开源|CVPR2020|基准标记|TopoTag鲁棒的、可伸缩的拓扑基准标记系统，实现单帧可靠、准确的位姿估计

论文地址：http://arxiv.org/pdf/1908.01450v3.pdf 代码：https://herohuyongtao.github.io/research/publications/topo-tag/ 来源：广东虚拟现实技术公司 论文名称：TopoTag: A Robust and Scalable Topological Fiducial Marker System 原文作者：Guoxing Yu

基准标记在增强现实(AR)、机器人导航和相机与物体之间相对姿态的一般应用中发挥着重要的作用。本文引入了TopoTag——鲁棒的、可伸缩的拓扑基准标记系统，能够实现单帧图像的可靠、准确的位姿估计。TopoTag系统利用拓扑和几何信息进行标记检测，具有较高的鲁棒性。其中，拓扑信息广泛用于2D标记点检测，而相应的几何信息则用于ID解码。通过所有的TopoTag vertices来实现鲁棒的3D姿态估计。TopoTag不需要像以前的系统那样牺牲bits来获得更高的查全率和精度，它可以使用完整的bits来进行ID编码。TopoTag支持数以万计的惟一ID，并且很容易扩展到数以百万计的惟一标记，从而实现了巨大的可伸缩性。本文收集了一个很大的测试数据集，包括面内和面外旋转、图像模糊、不同距离和不同背景等总共169,713张图像用于评估TopoTag系统性能。在数据集上的实验和使用卷帘式相机进行的真实室内和室外场景测试都表明，TopoTag在检测精度、顶点抖动、位姿抖动和精度等各项指标上都显著优于之前的基准标记系统。此外，只要保持主要的标签拓扑结构，TopoTag系统支持遮挡；并且允许灵活的形状设计，用户可以根据需要自定义内部和外部标记形状。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。