[发明专利]一种适用于恶劣环境的物体六维位姿估计方法和系统

说明书

本发明属于图像处理与计算机视觉领域，针对现有六维位姿估计方法在恶劣环境下运行效率和适应性上的不足，公开了一种适用于恶劣环境的物体六维位姿估计方法和系统。主要包括图像增强、图像融合和六维位姿估计3部分，所述图像增强基于传统和深度学习两种方法，所述图像融合采用自编码融合网格进行，所述六维位姿估计通过特征提取、语义分割、关键点预测和回归位姿进行。通过在位姿估计前添加图像增强模块，使得本发明能够在恶劣环境(雾天和弱光等条件)完成六维位姿估计。通过将传统图像增强方法和深度学习图像增强方法结果融合，扩大了图像所含有的时间空间信息，减少了不确定性，增加了可靠性，可用于恶劣环境下自动驾驶技术和物体抓取。

技术领域

本发明属于图像处理与计算机视觉领域，具体涉及一种适用于恶劣环境的物体六维位姿估计方法和系统。

背景技术

六维位姿(三自由度位移和三自由度旋转)是一个相对概念，指的是两个坐标系之间的位移和旋转变换。对于物体的六维位姿估计，通常用物体从世界坐标系到相机坐标系的旋转和平移变换。六维位姿估计在许多现实应用中都是一个重要的组成部分，例如增强现实，自动驾驶和机器人抓取等。但是，当在恶劣环境(雾天和弱光条件等)的情况下，图像细节不明显，光学成像面临能见度差和噪声多等问题，给位姿估计带来了巨大挑战。

现有的物体六维位姿估计方法通常可以分为三类：基于点云匹配的方法、基于模板匹配的方法和基于深度学习的方法。在雾天或弱光等恶劣环境下，由于图像噪声的影响会导致这些方法在关键点匹配时存在较大的误差，所以对于雾天和弱光条件等恶劣环境下的位姿估计鲁棒性较弱。因此，采用一种自适应恶劣环境的六维位姿估计方法具有十分重要的意义。

发明内容

针对现有六维位姿估计方法在恶劣环境下运行效率和适应性上的不足，本发明提供了一种能够自适应恶劣环境下的六维位姿估计方法和系统。

为了达到上述目的，本发明采用了下列技术方案：

本发明提供一种适用于恶劣环境的物体六维位姿估计方法，包括以下步骤：

步骤1，采用基于传统和深度学习两种方法对图像进行增强；

步骤2，采用自编码融合网格进行图像融合；

步骤3，通过特征提取、语义分割、关键点预测和回归位姿进行六维位姿估计。

进一步，所述步骤1中基于传统方法对图像进行增强是采用由若干个可微滤波器组成的图像增强子模块和一个用于预测滤波器超参数的小型卷积神经网络，图像增强子模块包括锐化滤波器和去雾滤波器；

在去雾滤波器，采用下述方程所描述的雾图形成模型：

I(x)＝J(x)t(x)+A(1-t(x)) (1)

式中，I(x)是输入图像，J(x)是输出的无雾图像，A是全球大气光成分，t(x)是透射率；

根据公式，可以得出t(x)的近似值：

式中，C表示RGB三通道；

引入一个参数λ来控制除雾程度：

由于上述操作是可微的，可以通过反向传播来优化λ，使去雾滤波器更有利于位姿估计；

在锐化滤波器，图像的锐化可以突出图像的细节，锐化的过程可以表示为：

F(x,η)＝I(x)+η(I(x)-Gau(I(x))) (4)

式中，I(x)是输入图像，Gau(I(x))表示高斯滤波器，η是一个正的比例因子，这个锐化操作对x和η都是可微分的，可以通过反向传播来优化x和η；