分享至
主讲人：卢子琦 | 麻省理工学院博士生
2022.11.25 10:00
46分钟
8034人次学习
立即学习
物体6Dof位姿估计方法的快速发展为机器人建立物体级场景地图提供了有前景的发展方向。 但是当机器人探索新环境时，位姿估计模型的输入数据很可能会与训练数据的分布不匹配，这种 域间距（domain gap）问题会让位姿估计的表现下降。为了减轻这一问题，我们提出了一种鲁棒 SLAM支持的物体位姿估计的自训练方法。我们利用鲁棒位姿图优化的结果在机器人采集的图片上生成高质量的伪标签，并使用这些新的训练数据微调位姿估计模型，提高机器人在新环境中预测物体位姿的能力。详情见开源代码: https://github.com/520xyxyzq/slam-super-6d.
报名成功
扫码备注【6DoF】领取PPT
点此立即学习
添加微信领取课件
一定记得备注【6DoF】
报名成功
