CNN经典操作

AlexNet, 2012

• group convolution
• dropout
• LBN

VGGNet, 2014

• 验证了

一. 刚体的三维目标跟踪

1. 3D-2D correspondence（3D模型 + 2D图像匹配）

1.1 基于标志物的三维跟踪

• 使用预先设计好的标志物，计算真实标志物和图像标志物的点对应关系，获得位姿
• 对硬件要求不高，鲁棒性强，实时、准确
• 需要增加额外的标志物，且要求标志物在整个跟踪过程中可见
• 参考文献1，1999年

1.2 基于特征的三维跟踪

• 只能应用于纹理信息丰富的物体
• SIFT、SURF、FAST等
• 参考文献1，2010年

1.3 基于模型的三维跟踪

• 针对无纹理或纹理信息较少的物体
• 需要预先建模物体的三维模型
• 基于边跟踪：使用边缘信息进行匹配，获得位姿
• 基于点云模型：利用ICP对场景点云和模型点云进行配准，获得位姿
• PAPiD方法：对齐边缘信息，复杂环境下不稳定（边缘与背景难以区分），1990年
• 直方图建模：独立考虑每一个点，忽略邻域点依赖关系，几何结构复杂物体跟踪失败，2014年
• 有向无环图 + 动态规划 + LM算法，2015年. 源代码C++
• 深度学习预测控制点在图像上的投影位置

2. 姿态求解、优化

• LM算法
• 李代数方法