TrackDeform3D：面向可变形物体的无标记自主3D关键点跟踪与数据集采集
论文提出仅用RGB-D相机的低成本自主框架TrackDeform3D，用于采集可变形物体的3D关键点数据：方法识别3D关键点并跟踪其轨迹，引入运动一致性约束生成时间平滑、几何一致的数据。在多种物体类别上与多个先进跟踪方法对比，几何与跟踪精度均有一致提升。基于该框架发布的数据集包含6个可变形物体、总计110分钟轨迹数据。
发布于 10-22 13:02来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《TrackDeform3D: Markerless and Autonomous 3D Keypoint Tracking and Dataset Collection for Deformable Objects》查看原链
arXiv:2603.17068v3 公告类型：replace-cross 摘要：关键点和网格等结构化3D表示能够紧凑、富有表现力地描述可变形物体，同时捕捉几何与拓扑信息，可用于动力学建模和运动规划等下游任务。 然而，稳健地提取此类表示仍具挑战性，当前感知方法难以处理复杂形变。
此外，大规模3D数据采集仍是瓶颈：现有方法要么需要高昂的采集投入，如劳动密集型标注或昂贵的动作捕捉设备，要么依赖在非结构化环境中失效的简化假设。 因此，面向可变形物体的大规模3D数据集与基准仍然稀缺。 为应对这些挑战，本文提出一个低成本、自主的框架，仅使用RGB-D相机采集可变形物体的3D数据集。
所提方法识别3D关键点并稳健跟踪其轨迹，引入运动一致性约束以生成时间平滑、几何一致的数据。 TrackDeform3D在多种物体类别上与多个先进跟踪方法进行了对比评估，在几何精度和跟踪精度上均取得一致提升。 基于该框架，本文发布了一个高质量大规模数据集，包含6个可变形物体、总计110分钟的轨迹数据。
项目页面：https://roahmlab.github.io/trackDeform3D-core-tracking/