[发明专利]多目标姿态估计方法、多目标姿态估计装置及终端设备在审

专利信息
申请号: 202011418068.3 申请日: 2020-12-07
公开(公告)号: CN112528831A 公开(公告)日: 2021-03-19
发明(设计)人: 郭渺辰;程骏;张惊涛;邵池;汤志超;林灿然;钱程浩;庞建新 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/08
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 刘永康
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 多目标 姿态 估计 方法 装置 终端设备
【权利要求书】:

1.一种多目标姿态估计方法,其特征在于,包括:

通过拍摄装置获取待检测图像,所述待检测图像中包括多个目标对象;

确定所述待检测图像中每个所述目标对象在各自对应的目标坐标系下的初始三维姿态,其中,所述目标对象对应的目标坐标系为以所述目标对象上的第一关键点为原点的坐标系;

确定所述待检测图像中每个所述目标对象在相机坐标系下的绝对位置,其中,所述相机坐标系为以所述拍摄装置的光心为原点的坐标系;

根据每个所述目标对象的所述初始三维姿态和所述绝对位置,确定所述待检测图像中每个所述目标对象在所述相机坐标系下的最终三维姿态。

2.如权利要求1所述的多目标姿态估计方法,其特征在于,所述确定所述待检测图像中每个所述目标对象在各自对应的目标坐标系下的初始三维姿态,包括:

检测所述待检测图像中的所述目标对象,获得每个所述目标对象的检测框;

根据所述检测框获取所述待检测图像中每个所述目标对象的局部图像;

确定每张所述局部图像中包含的所述目标对象在各自对应的所述目标坐标系下的所述初始三维姿态。

3.如权利要求2所述的多目标姿态估计方法,其特征在于,所述确定每张所述局部图像中包含的所述目标对象在各自对应的所述目标坐标系下的所述初始三维姿态,包括:

对于每张所述局部图像,将所述局部图像的中心确定为所述局部图像中包含的所述目标对象上的所述第一关键点;

检测所述局部图像中包含的所述目标对象上的第二关键点;

确定所述第二关键点相对于所述第一关键点的相对三维坐标;

将所述相对三维坐标确定为所述目标对象在对应的所述目标坐标系下的所述初始三维姿态。

4.如权利要求1至3任一项所述的多目标姿态估计方法,其特征在于,所述确定所述待检测图像中每个所述目标对象在相机坐标系下的绝对位置,包括:

确定所述待检测图像中每个所述目标对象上的所述第一关键点在所述相机坐标系下的绝对三维坐标;

将所述绝对三维坐标确定为各自对应的所述目标对象在所述相机坐标系下的绝对位置。

5.如权利要求4所述的多目标姿态估计方法,其特征在于,所述确定所述待检测图像中每个所述目标对象上的所述第一关键点在所述相机坐标系下的绝对三维坐标,包括:

获取所述拍摄装置的内参数据,以及所述第一关键点在所述待检测图像中的图像坐标;

将所述内参数据、所述图像坐标和所述待检测图像输入到预设的绝对位置检测模型中,输出所述待检测图像中每个所述目标对象上的所述第一关键点在所述相机坐标系下的绝对三维坐标。

6.如权利要求5所述的多目标姿态估计方法,其特征在于,所述绝对位置检测模型包括:

特征提取子网络,用于提取所述待检测图像中的特征信息;

第一回归子网络,用于对提取的所述特征信息进行二维回归分析,确定出所述第一关键点在所述相机坐标系下的二维坐标;

第二回归子网络,用于对提取的所述特征信息进行深度回归分析,确定出所述第一关键点在所述相机坐标系下的深度坐标。

7.如权利要求4所述的多目标姿态估计方法,其特征在于,所述根据每个所述目标对象的初始三维姿态和绝对位置,确定所述待检测图像中每个所述目标对象在所述相机坐标系下的最终三维姿态,包括:

对于每个所述目标对象,确定所述目标对象上的所述第一关键点的参考坐标和所述绝对三维坐标之间的转换关系,其中,所述第一关键点的参考坐标为所述目标对象对应的所述目标坐标系中所述第一关键点的坐标;

根据所述转换关系,将所述目标对象上的所述初始三维姿态映射到所述相机坐标系下,获得所述目标对象在所述相机坐标系下的所述最终三维姿态。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,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/202011418068.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top