[发明专利]一种三维姿态估计方法、装置、设备和计算机存储介质

说明书

本发明提供了一种三维姿态估计方法、装置、设备和计算机存储介质，其中方法包括：获取图像中对象的二维姿态信息以及所述对象的三维尺寸信息；依据所述对象的三维尺寸信息，确定所述对象的关键点在对象坐标系中的坐标；依据所述对象的关键点在对象坐标系中的坐标与所述对象的二维姿态信息的几何关系，确定相机坐标系与所述对象坐标系之间的转换关系。通过将该方式应用于无人驾驶领域，即可实现将二维障碍物检测结果映射到三维空间以得到其姿态。

【技术领域】

本发明涉及计算机应用技术领域，特别涉及一种三维姿态估计方法、装置、设备和计算机存储介质。

【背景技术】

为了保障无人车在道路上形式的安全，需要实时检测出周围环境中的障碍物三维位置信息，并将其反馈给规划控制系统从而进行避障操作。当前基于深度学习技术在图像上进行障碍物检测的技术迅速发展，然而由于三维信息的缺失，单纯图像上的二维检测结果无法被运用到所有的无人车驾驶场景。目前亟需一种将二维障碍物检测结果映射到三维空间并得到其姿态的方式，从而为基于计算机视觉技术的障碍物检测运用到无人驾驶项目奠定基础。

【发明内容】

有鉴于此，本发明提供了一种三维姿态估计方法、装置、设备和计算机存储介质，以便于实现即将二维障碍物检测结果映射到三维空间以得到其姿态。

具体技术方案如下：

本发明提供了一种三维姿态估计方法，该方法包括：

获取图像中对象的二维姿态信息以及所述对象的三维尺寸信息；

依据所述对象的三维尺寸信息，确定所述对象的关键点在对象坐标系中的坐标；

依据所述对象的关键点在对象坐标系中的坐标与所述对象的二维姿态信息的几何关系，确定相机坐标系与所述对象坐标系之间的转换关系。

根据本发明一具体实施方式，该方法还包括：

依据所述对象的关键点在对象坐标系中的坐标以及所述转换关系，确定所述对象的关键点在相机坐标系中的坐标。

根据本发明一具体实施方式，所述图像中对象的二维姿态信息以及所述对象的三维尺寸信息基于深度学习方法获取。

根据本发明一具体实施方式，所述图像中对象的二维姿态信息包括：所述对象的关键点在所述图像上的投影坐标。

根据本发明一具体实施方式，依据所述对象的关键点在对象坐标系中的坐标与所述对象的二维姿态信息的几何关系，确定相机坐标系与所述对象坐标系之间的转换关系包括：

所述对象的各关键点在对象坐标系中的坐标以及在所述图像上的投影坐标分别构成各关键点的三维-二维坐标对；

利用至少部分关键点的三维-二维坐标对在几何上的对应关系，确定所述对象坐标系到相机坐标系的旋转矩阵R和位置平移向量t。

根据本发明一具体实施方式，所述利用至少部分关键点的三维-二维坐标对在几何上的对应关系，确定所述对象坐标系到相机坐标系的旋转矩阵R和位置平移向量t，包括：

利用m个关键点的三维-二维坐标对在几何上的对应关系，构成m组方程，m为正整数；

利用PnP算法，求解所述m组方程，得到所述对象坐标系到相机坐标系的旋转矩阵R和位置平移向量t，所述m≥n。

根据本发明一具体实施方式，利用PnP算法，求解所述m组方程的过程中，采用RANSAC算法选取内点率最高的解。

根据本发明一具体实施方式，所述图像中对象的二维姿态信息包括：所述图像中能够包围所述对象的最小二维矩形框；

该方法进一步包括：基于深度学习方法获取所述对象绕相机坐标系旋转的角度yaw。