[发明专利]一种基于流形结构的物体姿态估计方法

说明书

本发明属于非接触测量领域，涉及图像处理、数据降维领域的信息技术，特别是一种基于流形结构的物体姿态估计方法，本发明通过以下步骤得以实现：(1)等角度间隔旋转并拍摄物体图像N幅；则相邻两幅图像之间对应的物体旋转角度为360°/N，该N幅姿态图像做为物体姿态估计先验图像序列；(2)利用ISOMAP流形学习算法对步骤(1)采集到的先验图像序列进行降维，得到对应的低维流形，则流形中的坐标对应了一个已知的姿态角度；(3)利用支持向量回归的方法建立N幅先验姿态图像与其对应的流形坐标之间的回归模型；(4)在需要估计物体姿态时，首先拍摄物体的图像，然后利用步骤(3)得到的回归模型计算新拍摄图像在低维流形结构的中的坐标位置；(5)根据物体图像对应的低维流形坐标估计物体的姿态角度。

技术领域

本发明属于非接触测量领域，涉及图像处理、数据降维领域的信息技术，特别是一种基于流形结构的物体姿态估计方法。

背景技术

物体的三维姿态是反映物体状态的重要参数之一，一般由俯仰角、偏航角和滚动角三个角度量来描述。所谓物体姿态估计，就是求解物体三个角度量的过程。

为了便于描述，定义世界坐标系如下，如图1所示：

(1)世界坐标系的原点位于物体的旋转中心；

(2)X轴与相机的光轴平行；Y轴与相机的光轴垂直；Z轴与地面垂直。

(3)旋转角度如下：绕X轴旋转角θ为俯仰角；绕Y轴旋转角为滚动角；绕Z轴旋转角γ为偏航角。

基于视觉的物体姿态估计主要分为四种：基于模型的姿态估计方法、基于光流的姿态估计方法、基于学习的姿态估计方法。基于模型的姿态估计方法要求提前输入物体的几何模型特征，然后通过获取图片中几何特征与模型几何特征的比较，实现物体姿态的估计。基于光流场的姿态估计方法一般包括两个步骤：首先进行对图像的光流场进行估计；然后利用获取的光流场对物体的三维姿态进行估计。基于学习的姿态估计方法可以概括为：首先预定义物体的多个姿态类别，并保存相应的图片；然后利用保存的图片训练类别分类器；最后利用训练的分类器新拍摄的物体图像进行分类，通过获取物体的姿态类别来得到其状态信息。

发明内容

本方法主要解决针对刚性物体进行全方位姿态精确估计的问题，首先获取物体姿态变化的图像序列，然后通过数据降维获取其对应的低维流形；然后将新拍摄的物体图像映射到物体姿态变化所对应的流形上，从而得到该物体图像所对应的姿态角度。

本发明采用如下的技术方案，如图2所示，步骤如下：

(1)等角度间隔旋转并拍摄物体图像N幅；则相邻两幅图像之间对应的物体旋转角度为360°/N，该N幅姿态图像做为物体姿态估计先验图像序列。

(2)利用ISOMAP流形学习算法对步骤(1)采集到的先验图像序列进行降维，得到对应的低维流形，则流形中的坐标对应了一个已知的姿态角度；

(3)利用支持向量回归的方法建立N幅先验姿态图像与其对应的流形坐标之间的回归模型；

(4)在需要估计物体姿态时，首先拍摄物体的图像，然后利用步骤(3)得到的回归模型计算新拍摄图像在低维流形结构的中的坐标位置；

(5)根据物体图像对应的低维流形坐标估计物体的姿态角度。

附图说明

图1坐标系定义示意图。

图2姿态估计算法原理框图。

图3新拍摄图像流形坐标计算示意图。

具体实施方式

本发明主要基于流形降维方法来实现物体姿态的估计，下面对具体实施过程中的关键技术进行说明。

(1)低维流形的维数估计