Probabilistic Pose Recovery Using Learned Hierarchical Object Models

This paper presents a probabilistic representation for 3D objects, and details the mechanism of inferring the pose of real-world objects from vision. Our object model has the form of a hierarchy of increasingly expressive 3D features, and probabilistically represents 3D relations between these. Features at the bottom of the hierarchy are bound to local perceptions; while we currently only use visual features, our method can in principle incorporate features from diverse modalities within a coherent framework. Model instances are detected using a Nonparametric Belief Propagation algorithm which propagates evidence through the hierarchy to infer globally consistent poses for every feature of the model. Belief updates are managed by an importance-sampling mechanism that is critical for efficient and precise propagation. We conclude with a series of pose estimation experiments on real objects, along with quantitative performance evaluation. RÉSUMÉ. Ce texte présente une représentation probabiliste pour objets 3D, et détaille le mécanisme d’inférence de pose d’objets réels à partir d’observations visuelles. Notre modèle d’objet se présente comme une hiérarchie de caractéristiques 3D de plus en plus expressives, et représente de manière probabiliste les relations 3D entre ces dernières. Les caractéristiques au niveau inférieur de la hiérarchie sont associées à des perceptions locales. Nous limitions l’usage actuel aux caractéristiques visuelles ; cependant, le principe de notre méthode permet intrinsèquement d’incorporer des caractéristiques de diverses modalités au sein d’une même représentation. Les instances d’un modèle sont détectées à l’aide d’un algorithme de propagation de croyances non-paramétrique, qui propage l’information observée au travers de la hiérarchie pour inférer une pose globalement cohérente pour chaque caractéristique du modèle. Nous présentons un mécanisme de mise à jour de croyance par échantillonage par importance ; nous 1re soumission à International Cognitive Vision Workshop (ICVW) 2008, le 10/02/2008 2 1re soumission à International Cognitive Vision Workshop (ICVW) 2008 présentons également une série d’expérience d’estimation de pose d’objets réels, ainsi qu’une évaluation quantitative des performances atteintes.