[发明专利]一种能应对复杂背景并且更精确的三维姿态估计算法

权利要求书

1.一种能应对复杂背景并且更精确的三维姿态估计算法，其特征在于，包括以下步骤：

(1)采集包含检测目标的若干张图像；

(2)依据LineMod数据集格式制作训练用数据集；

(3)对YOLO-6D算法进行改进，改进具体包括以下两部分：

将原YOLO-6D算法中的YOLOV2检测网络变更为YOLOV3网络，并融入注意力模块作为检测网络；网络的输入为单张RGB图像，将图像均匀划分为S×S个规则的cell，经检测网络后每个cell可输出一个多维向量，存放8个3D包络框角点及物体中线点坐标信息，目标物体的分类概率及整体置信度；网络包含三个预测特征层Box1、Box2和Box3，并在特征层Box1中融入注意力机制，使其可以在空间上融合更多的特征；

经上述检测网络后，所有的cell都会有一个置信度，选取置信度最高的cell，以该cell为基点选取正方形cell群；置信度最高的cell可能出现的位置有三种，cell群的选择也会对应有3种方式；对选中的9个cell做基于RANSAC的EpnP位姿估计，RANSAC使用投票机制来寻找优化的拟合结果；

(4)使用步骤(2)得到的数据集，采用步骤(3)改进后的算法训练，得到目标检测模型；训练目标检测模型的过程中，使用置信度函数c(x)评估目标物体的预测姿态与真实姿态间的偏差情况：

(5)使用训练得到的目标检测模型对待检测目标进行检测，获取目标物体的分类信息以及6D姿态信息；检测的过程中需要进行坐标偏移，保证目标位于图像划分后的cell格子内。

2.根据权利要求1所述的一种物体检测与姿态估计方法，其特征在于，所述的步骤(3)中，选用SENet网络作为融入的注意力机制，SENet网络通过学习特征权重获取每个特征图的重要程度，能够加大有效特征图权重并降低无效特征图权重；经过SENet网络后的图像会分成两支，其中一支经卷积到13×13的第一个预测特征层，使用1×1的卷积核预测器进行预测，另外一支会通往另一个卷积层，再经上采样，高和宽会变成原来的两倍即26×26，并与网络中Box2内的残差网络输出进行融合；与此同时，拼接之后的矩阵也经特征提取器处理，分为两个分支，其中一支通向第二个预测特征层，另一支通往1×1卷积层，进行上采样，再与Box3内残差网络的输出融合；融合的结果通过特征提取器，再经卷积得到第三个预测特征层。

3.根据权利要求1所述的一种物体检测与姿态估计方法，其特征在于，所述的步骤(4)中，基于欧式距离使用如下述公式所示的置信度函数c(x)评估目标物体的预测姿态与真实姿态间的偏差情况；

其中，D_T(x)代表欧式距离，d_th表示置信度函数的像素阈值，α表示c(x)函数的锐利程度。

4.根据权利要求1所述的一种物体检测与姿态估计方法，其特征在于，步骤(2)中所述的数据集中包括：包含待检测目标的若干张图像、添加的噪声图像、图像掩码以及每幅图像对应的标注信息，其中标注信息包括：图像中是否包含检测目标、分类信息以及待检测目标的空间信息。