Direct pose estimation from RGB images using 3D objects

We present a real-time monocular camera pose estimation algorithm for augmented reality applications. Proposed model is a small convolutional neural network that is trained to directly estimate 6 Degree of Freedom (6-DOF) camera pose from an RGB image. Our model is designed to run on real-time devices with low memory and computation power. Our model can estimate the camera pose in less than 1ms while keeping accuracy comparable to the state-of-the art. This was made possible by employing geometrically sound loss functions and algebraic constraints. Furthermore, we introduce a new synthetic dataset for demonstrating the proposed methods capabilities.

3 Boyutlu nesneleri kullanarak imgelerden poz kestirimi

Artýrýlmýþ gerçeklik uygulamalarýnda kullanýlmak üzere tek bir kameradan bir nesnenin yön ve konum kestirimini yapan bir algoritma sunulmaktadýr. Küçük bir konvolüsyon aðýndan oluþan bu model 6 serbestlik dereceli konum ve yön bilgisini tek bir KYM (kýrmýzý-mavi-yeþil) imgeden elde etmektedir. Bu ufak model yüksek baþarým ve hafýza içermeyen mobil cihazlar için idealdir. Algoritma verilen bir imgeyi 1ms içinde iþlemekte ve güncel algoritmalarýn performansýna yakýn performans sergilemektedir. Önerilen geometrik kayýp fonksiyonu ve kullanýlan cebirsel kýsýtlamalarý modelin performansýný saðlamaktadýr. Ayný zamanda sentetik bir veri kümesi de bu tür modellerin performansýný ölçmek için önerilmiþtir.