[发明专利]姿态检测方法、装置、计算机设备及存储介质在审
申请号: | 202010402654.2 | 申请日: | 2020-05-13 |
公开(公告)号: | CN111582204A | 公开(公告)日: | 2020-08-25 |
发明(设计)人: | 王灿;李杰锋;刘文韬;钱晨 | 申请(专利权)人: | 北京市商汤科技开发有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06K9/32;G06N3/08 |
代理公司: | 北京中知法苑知识产权代理有限公司 11226 | 代理人: | 李明;赵吉阳 |
地址: | 100142 北京市海淀区北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 姿态 检测 方法 装置 计算机 设备 存储 介质 | ||
1.一种姿态检测方法,其特征在于,包括:
获取第一图像;
利用预先训练的姿态检测模型,对所述第一图像进行姿态检测处理,得到所述第一图像中至少一个第一目标的姿态检测结果;
其中,所述姿态检测模型是利用第二图像中至少一个第二目标的关键点在不同视角下的相对位置关系信息训练而成。
2.根据权利要求1所述的姿态检测方法,其特征在于,所述不同视角下的相对位置关系信息包括在不同相机坐标系下至少一个关键点对中每个关键点对的深度差;所述关键点对包括所述第二图像中至少一个第二目标的任意两个关键点。
3.根据权利要求2所述的姿态检测方法,其特征在于,所述不同相机坐标系包括:真实相机坐标系、以及至少一个虚拟相机坐标系,或者,所述不同相机坐标系包括:不同虚拟相机坐标系。
4.根据权利要求2或3所述的姿态检测方法,其特征在于,采用下述方法训练得到所述姿态检测模型:
利用待训练的神经网络确定所述第二图像中每个第二目标的多个关键点分别在真实相机坐标系中的第一位置信息;
基于所述第一位置信息,确定所述相对位置关系信息;
基于所述相对位置关系信息,确定神经网络损失;
基于所述神经网络损失训练所述待训练的神经网络,得到所述姿态检测模型。
5.根据权利要求4所述的姿态检测方法,其特征在于,基于所述第一位置信息,确定在虚拟相机坐标系下至少一个关键点对中每个关键点对的深度差,包括:
针对每个所述关键点对,基于所述关键点对中的两个关键点分别在真实相机坐标系中的第一位置信息,以及所述真实相机坐标系与第一虚拟相机坐标系之间的转换关系信息,确定所述关键点对中的每个关键点分别在所述第一虚拟相机坐标系中的第二位置信息;
基于所述关键点对中的每个关键点分别在所述第一虚拟相机坐标系中的第二位置信息,确定所述关键点对在所述第一虚拟相机坐标系中的深度差,所述第一虚拟相机坐标系为虚拟相机坐标系中的任一个坐标系。
6.根据权利要求4所述的姿态检测方法,其特征在于,所述姿态检测方法还包括:
基于所述至少一个第二目标的关键点在真实相机坐标系中的第一位置信息,确定所述至少一个第二目标的中心位置点在所述真实相机坐标系中的位置信息,以及确定第一虚拟相机位置点在所述真实相机坐标系中的位置信息;
基于所述中心位置点在所述真实相机坐标系中的位置信息、以及所述第一虚拟相机位置点在所述真实相机坐标系中的位置信息,生成所述第一虚拟相机位置点对应的第一虚拟相机坐标系与所述真实相机坐标系之间的转换关系信息。
7.根据权利要求6所述的姿态检测方法,其特征在于,所述在所述真实相机坐标系中,确定第一虚拟相机位置点在所述真实相机坐标系中的位置信息,包括:
基于所述中心位置点在所述真实相机坐标系中的位置信息、以及所述至少一个第二目标的关键点分别在真实相机坐标系中的第一位置信息,确定包围球半径;所述包围球将所述至少一个第二目标的关键点包围在内;
基于所述中心位置点在所述真实相机坐标系中的位置信息、以及所述包围球半径,在所述包围球的球面上或球面外确定所述第一虚拟相机位置点在所述真实相机坐标系中的位置信息。
8.根据权利要求4-7任一项所述的姿态检测方法,其特征在于,所述基于所述相对位置关系信息,确定神经网络损失,包括:
基于所述至少一个关键点对在所述不同相机坐标系中的深度差,以及各关键点对中的两个关键点在所述不同相机坐标系中的实际深度关系信息,确定所述神经网络损失。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010402654.2/1.html,转载请声明来源钻瓜专利网。