[发明专利]一种基于模板匹配的单目相机物体位姿估计方法及系统

权利要求书

1.一种基于模板匹配的单目相机物体位姿估计方法，其特征在于：包括以下步骤：

S100、建立目标模板图像库

根据物体3D模型以球形相机的视野进行多角度、不同距离的投影，光照模式选择为模拟平行光投影；以物体3D模型的质心或重心为基准坐标系原点，原点记作P，对基准坐标进行空间坐标转化，将基准坐标系转化为以观察点P’为原点的目标坐标系，其中PP’为目标坐标系的z轴；随后在P’点将物体3D模型投影到xoy平面上获得二维模板图像，记录此时物体的三维位置以及P’点到物体3D模型之间的距离，即生成在不同位姿和观测距离下的物体3D模型二维模板数据集，形成目标模板图像；

S200、图像预处理

对目标物体进行拍照，然后对获取到的二维图像采用直方图均衡法处理，得到目标二维图像；

S300、物体位姿识别

采用目标模板图像对目标二维图像进行检测与识别；

S400、配准

对目标模板图像进行平移和旋转，找到目标模板图像上的每个特征点对应在目标图像上的对应点坐标，通过特征点坐标和对应点切线进行最小平方差运算，使特征点尽量靠近对应点。

2.根据权利要求1所述的一种基于模板匹配的单目相机物体位姿估计方法，其特征在于：所述步骤S100具体包括：

1)投影距离渐进设计

对投影观察原点到物体3D模型之间的距离进行多层次步进式设计，选择3至5个不同观测距离和角度进行投影；

2)基准坐标系的转换及投影

通过空间坐标变换，将基准坐标系转换为以观察点P’为原点、PP’为z轴的目标坐标系。目标坐标系的y轴和z轴旋转公式为：

其中θ_y是pitch角，θ_z是yaw角。

[y',x',z']^T＝R_y(-θ_y)R_z(-θ_z)[x,y,z]^T (3)

z'＝-z'+R (4)

其中，[x,y,z]是基准坐标系的原点坐标，[x',y',z']是目标坐标系的原点坐标，R代表偏移量。随后在P’点按照透视原理以及视场“近大远小”规则，将物体3D模型投影到xoy平面上获得二维模板图像，记录此时物体的三维位置以及P’点到物体3D模型之间的距离，即生成在不同位姿和观测距离下的物体3D模型二维模板数据集。

3.根据权利要求1所述的一种基于模板匹配的单目相机物体位姿估计方法，其特征在于：所述步骤S200具体包括：

首先统计二维图像中灰度级范围r_k，r_k值域为[0,L-1]，在八位像素值表示中L等于256；然后统计每一个灰度级在二维图像中出现的频次n_k，n_k表示在二维图像中第k个灰度级的像素总数；当图像总像素点个数为N时，计算各级的概率公式为：

p(r_k)＝n_k/N (5)

由于r_k步进为1，可以将式(5)改写为：

p(k)＝n_k/N (6)

上式中将直方图分布归一化，将函数值p(k)值域归一化为[0,1]，然后对灰度级概率进行直方图变换：

s_k＝T(r_k) (7)

s_k代表将原始灰度值r_k通过函数映射得到的新灰度值。