[发明专利]一种利用轮廓信息的6D位姿估计方法

摘要

本发明提供了一种利用轮廓信息的6D位姿估计方法，包括：基于卷积神经网络设计目标物体6D位姿估计网络；采集和标注不同背景、角度和姿态的目标物体训练样本图片构建数据集，并对训练样本进行数据增强；对目标物体6D位姿估计网络进行训练，得到网络参数模型；调用目标物体6D位姿估计网络参数模型对目标物体图片进行预测，得到目标物体关键点二维投影坐标；由目标物体关键点二维投影坐标，利用EPnP计算出目标物体6D位姿。本发明方法在不需要位姿修正后处理的情况下，通过所设计的6D位姿估计网络，利用目标物体的轮廓信息快速准确地检测出目标物体的6D位姿。

主权项

1.一种利用轮廓信息的6D位姿估计方法，其特征在于，包括以下步骤：S1：基于卷积神经网络设计目标物体6D位姿估计网络，包含网络共享层、轮廓预测分支和边界框预测分支；网络共享层由卷积层和池化层组成，用于提取图片中目标物体特征，得到特征图；轮廓预测分支由上采样层和卷积层组成，每次上采样之后得到的特征图和网络共享层中相同尺度的特征图拼接得到新的特征图，并作为下一个卷积层的输入；边界框预测分支由一系列全卷积网络以及一个直连层组成，此分支将输入图片划分为S×S个网格，每个网格对应图片中32×32的区域，每个网格输出包含代表3D边界框的9个关键点投影坐标、类别概率，预测框的置信度；边界框预测分支输出维度大小为S×S×D的张量，其中D＝(9×2+N+1)，N代表目标物体的类别个数，9个关键点为3D边界框的顶点和边界框的中心；S2：采用不同背景、角度和姿态的目标物体图片作为训练样本以构建训练集，对训练样本进行数据增强，以及轮廓信息标注、分类信息标注和位姿信息标注；S3：使用步骤S2构建的训练集对目标物体6D位姿估计网络进行训练，通过最小化设计的损失函数优化网络参数，当训练次数达到预设次数时，停止训练并得到6D位姿估计网络模型；S4：调用S3得到的6D位姿估计网络模型对目标物体图片进行预测，得到目标物体关键点的二维投影坐标；S5：利用S4中目标物体预测关键点的投影坐标和目标物体的CAD模型关键点三维坐标，通过EPnP算法计算目标物体相对于相机的位姿。