[发明专利]模型训练方法、姿态预测方法、装置、设备及存储介质

说明书

本申请提供一种模型训练方法、姿态预测方法、装置、设备及存储介质，涉及姿态预测领域。该方法包括：获取样本图像的特征；对所述样本图像的特征进行平移姿态预测，得到所述样本图像中待预测物体的预测平移信息；对所述样本图像的特征进行旋转姿态预测，得到所述待预测物体的预测旋转信息；根据所述预测旋转信息对所述待预测物体的初始点云数据进行旋转，得到预测旋转点云数据；根据所述预测平移信息、所述初始点云数据对应的真实旋转点云数据和预测旋转点云数据，对所述物体姿态预测模型的参数进行训练。相对于现有技术，避免了由于旋转和平移的预测存在耦合，导致模型训练的收敛速度慢的问题。

技术领域

本申请涉及姿态预测技术领域，具体而言，涉及一种模型训练方法、姿态预测方法、装置、设备及存储介质。

背景技术

物体在空间具有六个自由度，即沿x、y、z三个直角坐标轴方向的移动自由度和绕这三个坐标轴的转动自由度。要完全确定物体的位置，就必须清楚这六个自由度。因此如何基于单张图像对图像中的物体进行六自由度的估计变得尤为重要。

现有技术中对于六自由度姿态估计一般可以通过卷积神经网络预测旋转矩阵和平移矩阵，随后利用预测的旋转平移矩阵对物体点云数据进行转置后得到的转置后的点云数据，与通过旋转平移矩阵真值进行转置后得到点云数据计算均方误差作为损失函数。

但是这样的计算方式由于旋转矩阵和平移矩阵在计算过程中存在耦合，导致在平移矩阵的预测还不准确的时候，对旋转矩阵的预测就不够准确，反之在旋转矩阵的预测还不准确的时候，对平移矩阵的预测就不够准确，从而会明显影响姿态估计模型的收敛速度。

发明内容

本申请的目的在于，针对上述现有技术中的不足，提供一种模型训练方法、姿态预测方法、装置、设备及存储介质，以解决现有技术中由于旋转和平移的预测存在耦合，导致模型训练的收敛速度慢的问题。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请一实施例提供了一种物体姿态预测模型的训练方法，所述方法，包括：

获取样本图像的特征；

对所述样本图像的特征进行平移姿态预测，得到所述样本图像中待预测物体的预测平移信息；

对所述样本图像的特征进行旋转姿态预测，得到所述待预测物体的预测旋转信息；

根据所述预测旋转信息对所述待预测物体的初始点云数据进行旋转，得到预测旋转点云数据；

根据所述预测平移信息、所述初始点云数据对应的真实旋转点云数据和预测旋转点云数据，对所述物体姿态预测模型的参数进行训练。

可选地，所述根据所述初始点云数据对应的真实旋转点云数据和预测旋转点云数据，对所述物体姿态预测模型的参数进行训练，包括：

根据所述真实旋转点云数据和所述预测旋转点云数据，计算第一损失函数值；

根据所述第一损失函数值，对所述物体姿态预测模型的参数进行训练，直至达到预设迭代停止条件。

可选地，所述预测旋转信息为预测旋转矩阵，所述预测平移信息为预测平移矩阵；所述根据所述所述预测旋转信息对所述待预测物体的初始点云数据进行旋转，得到预测旋转点云数据，包括：

根据所述预测旋转矩阵对所述初始点云数据进行矩阵乘法，得到所述预测旋转点云数据；

所述根据所述预测平移信息、所述真实旋转点云数据和所述预测旋转点云数据，计算第一损失函数值，包括：

根据所述预测旋转点云数据、所述真实旋转点云数据、所述预测平移矩阵和所述待预测物体的平移真值，计算所述第一损失函数。