[发明专利]一种基于正二十面体的单目6D位姿估计方法

说明书

本发明公开了一种基于正二十面体的单目6D位姿估计方法。本方法将ArUco码与正二十面体相结合，再使用单目相机采集被ArUco码标记的正二十面体图像，计算ArUco码的中心点的空间三维坐标，获得其内切球的稀疏点云，进而利用多元非线性拟合以及迭代最近点算法比对相机坐标处的虚拟正二十面体，进而计算出当前正二十面体的空间位移量以及旋转角度，间接计算出被测物体的位姿。本方法克服了现有方法对光照、环境及设备的高要求，检测迅速，提升了稳定性；不需要在前期投入大量的精力进行模板采集或模型训练，显著降低了位姿估计成本，保证了位姿估计精度并加强通用性，并且能够进行物体大幅度运动的位姿估计。

技术领域

本发明属于图像识别位姿检测领域，具体是一种基于正二十面体的单目6D位姿估计方法。

背景技术

目标的位姿估计无论是在生产还是生活方面都扮演者重要的角色，是实现机器人运动灵活有效的前提。目前工业自动化行业发展迅猛，对机器人的状态进行实时检测并反馈的要求也不断提高，而基于视觉的目标位姿估计对机器人性能的提高有重要意义。单目视觉系统仅使用一台相机，结构简单成本低廉，应用比较广泛。目前目标的位姿估计的主要方法有：

文献《LEPETIT V,PILET J,FUA P.Point matching as a classificationproblem for fast and robust object pose estimation[C]//Proceedings of the2004IEEE Computer Society Conference on Computer Vision and PatternRecognition,2004.CVPR 2004.:volume 2.IEEE,2004:II-II.》中采用基于特征点的位姿估计方法，该方法通过使用单目或多目相机进行图像内特征点的挖掘，并匹配不同图像间相似的特征点，根据特征点的运动估计目标的姿态变化。但是基于特征点的位姿估计方法极易受到光照与环境的影响，进而导致特征点跟踪丢失的情况，造成目标位姿估计质量下降。

文献《PAVLAKOS G,ZHOU X,CHAN A,et al.6-dof object pose from semantickeypoints[C]//2017IEEE international conference on robotics and automation(ICRA).IEEE,2017:2011-2018.》中采用基于模板的方法，通过构建待检测目标的二维或者三维模板，通过比对当前目标的实际位姿图像与模板的关系，寻找与实际位姿最接近的模板，估计出目标当前的位姿。但是这种方法需要在前期构建大量的二维、三维映射的模板匹配库，工作量庞大，结果精度依赖于模板匹配库的大小，并且一个模板库只适用于单一物体的位姿估计，无法满足通用性。

使用基于深度学习的方法，近年来深度学习的应用非常广泛，通过训练深度神经网络并构建损失函数以达到对图像中的物体进行位姿识别的效果。文献《REDMON J,DIVVALA S,GIRSHICK R,et al.You only look once:Unified,real-time objectdetection[C]//Proceedings of the IEEE conference on computer vision andpattern recognition.2016:779-788.》中采用YOLO网络，通过图像中目标二维边框恢复其位姿，但是基于深度学习的方法需要大量的样本资源来构建大量的样本数据并进行真实位姿的标注，并需要大量计算资源进行网络的训练，难以控制成本，且大多为针对性的开发，无法满足通用性。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是，提供一种基于正二十面体的单目6D位姿估计方法。

本发明解决所述技术问题的技术方案是，提供一种基于正二十面体的单目6D位姿估计方法，其特征在于，该方法包括以下步骤：