讲座人:陈建秋 博士生
题目:数据稀缺条件下全生命周期位姿估计算法研究
时间:2025年6月2日15: 00-15: 30
地点:L1512
讲座内容:
物体六自由度(6 Degree-of-Freedom,6D)位姿估计作为计算机视觉与机器人领域的核心基础技术,其目标是通过视觉输入精确预测物体在三维空间中的位置和姿态。然而,当前基于深度学习的6D位姿估计方法面临两个主要挑战:首先,这些方法严重依赖大量精确标注的训练数据,而高质量标注数据的获取不仅成本高昂,在工业场景中更是存在诸多实际限制;其次,现有研究主要关注静态场景下的模型精度优化,缺乏对实际应用环境中全生命周期性能演变的系统性研究,特别是对不同精度需求场景的适应性考量不足。针对上述挑战,本研究提出了一种面向数据稀缺场景的全生命周期6D 位姿估计框架。该框架创新性地融合了零样本学习、少样本学习和显式几何约束学习三大技术路线,构建了覆盖算法在落地应用全生命周期的完整解决方案。在冷启动阶段,采用基于CAD 模型的零样本学习策略,通过几何特征匹配实现无需真实标注数据的初始模型构建。在调优阶段,引入少样本自适应方法,仅需单个场景的示例标注样本用于算法调优,即可显著提升模型精度。在部署阶段,结合显式几何约束的训练策略,显著降低部署模型的数据需求提升效率。