沙丘社区
论文

KASALv2：自动识别3D旋转对称类型与轴

KASALv2: Fully Automatic 3D Rotational Symmetry Classification and Axis Localization

Mengxin Zhang, Yulin Wang, Chen Luo, Yongzhe Li, Yijun Zhou
应用与实践模型训练预训练合成数据视觉感知与空间理解

摘要

旋转对称是 6D 位姿估计中的重要先决条件，可提高位姿精度并支持对称感知评估。然而，当前 3D 对象的对称注释仍然主要是手动或半自动的，通常需要预定义的类型或顺序，这限制了可扩展性。这项工作引入了一个全自动、无参考的框架，用于跨所有八种规范 3D 旋转对称类型的对称类型分类、旋转顺序识别和全轴定位。该方法定位一个主导高阶轴，通过自洽分析推断其旋转顺序，并在层次引导公式下重建完整的对称结构。纹理感知扩展进一步模拟外观引起的旋转顺序减少，同时保留轴方向。在理想化和现实世界数据集上的实验证明了很强的准确性和泛化性，在 GSO 中的 438 个对称物体上实现了 94.75% 的准确率。使用这些先验训练 FoundationPose 在五个 BOP 数据集上的准确率提高了 0.9%， 显示自动估计的旋转先验改进了下游 6D 位姿估计。代码可在 https://github.com/WangYuLin-SEU/KASAL。 获取

KASALv2：自动识别3D旋转对称类型与轴：论文原图
图 2：该管道集成了几何退化层次结构 (GDH) 和操作框架。 GDH 建立了 3D 旋转对称的分层分类法，而操作框架则实现它。给定未知对称性的 3D 对象，系统首先定位主导高阶轴，并通过自洽优化推断其旋转顺序。基于该顺序，通过检查次轴是否满足相应的几何约束来导出和验证候选对称类型。这种分层验证可以在已识别的几何关系下产生所有规范轴的类型分类和重建。最后，纹理对称模块通过对外观引起的退化进行建模来细化分类，涵盖减少的、不变的和离散的纹理情况。