Are Euler angles a useful rotation parameterisation for pose estimation with Normalizing Flows?

📄 arXiv: 2511.02277v1 📥 PDF

作者: Giorgos Sfikas, Konstantina Nikolaidou, Foteini Papadopoulou, George Retsinas, Anastasios L. Kesidis

分类: cs.CV

发布日期: 2025-11-04

备注: BMVC 2025 workshop proceedings (Smart Cameras for Smarter Autonomous Vehicles & Robots)

💡 一句话要点

探索欧拉角在Normalizing Flows姿态估计中的有效性，对比复杂参数化模型。

🎯 匹配领域: 支柱三：空间感知 (Perception & SLAM)

关键词: 姿态估计 Normalizing Flows 欧拉角 概率模型 三维视觉

📋 核心要点

  1. 现有姿态估计方法在处理模糊或对称物体时，单点估计不足以表达不确定性，需要概率姿态估计。
  2. 论文探索使用欧拉角作为Normalizing Flows模型的基础，旨在简化模型并提高效率，尽管欧拉角存在固有缺陷。
  3. 研究对比了基于欧拉角的模型与基于更复杂参数化的模型，评估欧拉角在姿态估计中的实用性和潜在优势。

📝 摘要（中文）

本文探讨了使用欧拉角参数化作为Normalizing Flows模型基础，用于物体姿态估计的有效性。在3D计算机视觉中，物体姿态估计至关重要。虽然单点估计通常足够，但当姿态因传感器、投影约束或物体对称性而不明确时，概率姿态输出具有诸多优势。本文研究了欧拉角，尽管存在局限性，但与基于更复杂参数化的模型相比，可能在多个方面产生有用的模型。

🔬 方法详解

问题定义：论文旨在解决3D物体姿态估计问题，特别是在存在传感器噪声、投影约束或物体对称性导致姿态不明确的情况下。现有方法通常采用单点估计，无法有效表达姿态的不确定性。此外，使用复杂的姿态参数化方法（如四元数或旋转矩阵）会导致模型复杂性增加，训练难度增大。

核心思路：论文的核心思路是探索使用欧拉角作为Normalizing Flows模型的姿态参数化方法。尽管欧拉角存在万向锁等问题，但其简单性可能带来模型训练和推理上的优势。通过Normalizing Flows，可以将简单的分布（如高斯分布）转换为复杂的姿态分布，从而实现概率姿态估计。

技术框架：论文提出的技术框架主要包含以下几个部分：1) 使用图像作为输入，通过卷积神经网络提取图像特征；2) 将提取的图像特征输入到Normalizing Flows模型中，该模型以欧拉角作为参数化；3) Normalizing Flows模型将简单的先验分布（如高斯分布）转换为目标姿态分布；4) 使用最大似然估计或其他方法训练Normalizing Flows模型。

关键创新：论文的关键创新在于探索了欧拉角在Normalizing Flows姿态估计中的应用。与传统的基于复杂参数化的方法相比，使用欧拉角可以简化模型结构，降低计算复杂度。此外，论文还研究了如何克服欧拉角的万向锁问题，例如通过限制欧拉角的范围或使用特定的欧拉角顺序。

关键设计：论文的关键设计包括：1) Normalizing Flows模型的具体结构，例如使用RealNVP或Glow等架构；2) 损失函数的设计，例如使用负对数似然损失函数；3) 欧拉角的范围限制和顺序选择；4) 如何将图像特征有效地融入到Normalizing Flows模型中。

📊 实验亮点

论文通过实验验证了基于欧拉角的Normalizing Flows模型在姿态估计任务中的有效性。具体性能数据（例如姿态估计的平均误差、标准差等）和对比基线（例如基于四元数或旋转矩阵的模型）未知。论文强调了使用欧拉角简化模型并提高效率的潜力，但具体的性能提升幅度未知。

🎯 应用场景

该研究成果可应用于机器人抓取、增强现实、自动驾驶等领域。在机器人抓取中，概率姿态估计可以帮助机器人更好地理解物体的姿态不确定性，从而提高抓取的成功率。在增强现实中，可以更准确地将虚拟物体叠加到真实场景中。在自动驾驶中，可以更可靠地估计车辆周围物体的姿态，提高驾驶安全性。

📄 摘要（原文）

Object pose estimation is a task that is of central importance in 3D Computer Vision. Given a target image and a canonical pose, a single point estimate may very often be sufficient; however, a probabilistic pose output is related to a number of benefits when pose is not unambiguous due to sensor and projection constraints or inherent object symmetries. With this paper, we explore the usefulness of using the well-known Euler angles parameterisation as a basis for a Normalizing Flows model for pose estimation. Isomorphic to spatial rotation, 3D pose has been parameterized in a number of ways, either in or out of the context of parameter estimation. We explore the idea that Euler angles, despite their shortcomings, may lead to useful models in a number of aspects, compared to a model built on a more complex parameterisation.