[发明专利]一种物体的三维位置检测方法和装置

说明书

本发明提出一种基于深度拟合程度评估网络的物体三维位置检测方法和装置，其中，方法包括：对第一原始图片进行二维物体检测，确定图片中包含物体的检测框，将截取的各个检测框对应的图像块分别输入基于锚点的回归模型中，确定各个物体对应的朝向和三维尺寸，进而采用紧凑性约束方法确定各个物体对应的三维长方体的基准位置，并通过高斯稠密采样获取每个物体对应的至少两个候选三维长方体，并投影至图片中获取对应的至少两个投影三维长方体，将获取的至少两个投影三维长方体通过深度拟合程度评估网络，确定三维覆盖率最大值对应的投影三维长方体为每个物体对应的目标三维长方体，从而确定物体的三维空间位置，提高了物体三维空间位置确定的准确度。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于深度拟合程度评估网络的物体三维位置检测方法和装置。

背景技术

由于我们生活在一个三维世界中，二维感知是远远无法满足我们的实际需求的，在诸如自动驾驶和基于视觉的机器人抓取问题中，我们常常需要推理三维空间中物体之间的位置关系，从而能够理解真实的三维场景并做出进一步的动作。三维物体检测是三维感知中最重要的问题之一，其中需要求解三维空间中物体的9个自由度，包括维度(长、宽、高)，朝向(横滚角、俯仰角、偏航角)和位置(X、Y、Z坐标)。

目前已经有很多基于立体图像对，彩色深度信息，或者激光点云的三维物体检测方法被提出，但是仅仅基于单张彩色图片的三维物体检测方法还处于起步阶段，其主要原因是在只有二维图像中的外观信息的情况下，无法获取真实的三维信息。在诸如网络图像，手机应用，和胃镜图片中，通常也只能得到单张图片的信息，单目问题设置是最为基本的一种输入模态，因此依靠单张图片进行三维物体检测是一个非常值得研究的问题。但在单目三维物体检测问题中由于从二维空间映射到三维空间存在多义性，仅仅通过一个图像块，是无法直接回归出物体的三维空间位置的。

相关技术中，基于紧凑性约束来求解三维空间位置是一个很普遍的做法，但是紧凑性约束高度依赖二维检测结果的精确度，二维检测结果的微小误差会导致三维空间位置检测结果的准确性大幅降低。因此，提高物体三维空间位置确定的准确度急需要解决。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明提出一种基于深度拟合程度评估网络的物体三维位置检测方法，通过基于高斯稠密采样确定出第一原始图片中每个物体对应的至少两个候选三维长方体，并投影至第一原始图片中得到包含每个物体对应的至少两个投影三维长方体的第二原始图片，并通过深度拟合程度评估网络来推理投影三维长方体和物体之间的三维覆盖率，将和物体具有最大三维覆盖率的投影三维长方体作为目标三维长方体，从而根据目标三维长方体的三维位置确定物体的三维位置，提高了物体三维空间位置确定的准确度，解决了相关技术中物体的三维位置确定的精度受二维图像位置检测的精度影响较大，三维位置确定的精度较低的技术问题。

本发明提出一种基于深度拟合程度评估网络的物体三维位置检测装置。

本发明一方面实施例提出了一种基于深度拟合程度评估网络的物体三维位置检测方法，包括：

对第一原始图片进行二维物体检测，并对所述原始图片中的各个物体采用检测框进行标注，其中，每个检测框中包含一个物体；

对所述第一原始图片中的各个检测框进行截取，获取各个检测框对应的图像块，并将所述各个检测框对应的图像块分别输入基于锚点的回归模型，确定各个物体对应的朝向和三维尺寸；

根据所述各个物体对应的朝向和三维尺寸，在三维空间中确定各个物体对应的三维长方体，利用紧凑性约束方法确定各个物体对应的三维长方体的基准位置，并对各个物体对应的三维长方体的基准位置进行高斯稠密采样，确定每个物体对应的至少两个候选三维长方体；