[發明專利]物體位姿的檢測方法和裝置

有效

• 申請號: 201710127752.8
• 申請日: 2017-03-06
• 公開（公告）號: CN106971406B
• 公開（公告）日: 2019-10-29
• 發明（設計）人: 楊銘
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: G06T7/73
• 分類號: G06T7/73;G01C11/04;G01C21/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發明公開了一種物體位姿的檢測方法和裝置。所述物體位姿的檢測方法包括：接收由攝像機采集的原始圖像，并從所述原始圖像中提取獲得標記碼圖像；其中，所述標記碼圖像為貼附于待檢測物體上的標記碼的圖像；根據所述標記碼圖像和預先生成的位姿計算模型，計算獲得所述標記碼的位姿；其中，所述標記碼的位姿包括所述標記碼相對于基準位姿的旋轉量及位移量；根據所述標記碼的位姿，計算獲得所述待檢測物體的當前位姿。采用本發明，能夠簡化對物體的位姿進行檢測的過程，提高檢測過程的效率，且能夠提高檢測結果的準確度。

技術領域

本發明涉及計算機技術領域，尤其涉及一種物體位姿的檢測方法和裝置。

背景技術

在智能機器人領域，智能機器人在搬運物體的過程中，需要對物體當前相對于自己的位置和角度進行檢測判斷。位姿估計問題指的是使用特征對應信息來估計兩個空間坐標系之間相對旋轉和平移的過程，是實現智能機器人搬運物體的功能所要解決的核心技術問題。位姿估計問題是計算機視覺、計算機圖形學、攝影測量學的一個重要基本問題。

現有的對位姿進行估計的方法主要有如下三種：基于特征點的位姿估計方法、基于模型的位姿估計方法和基于學習的位姿估計方法。

(1)基于特征點的位姿估計方法

基于特征點的位姿估計方法，首先從圖像中提取若干特征點，隨后將該圖像與標準圖像進行特征匹配，從而獲得至少一個相匹配的特征點，最后根據這些相匹配的特征點求解物體位姿。

盡管基于特征點的位姿估計方法在視覺里程計中占據主流地位，但是這類方法仍有以下幾個缺點：首先，關鍵點的提取與特征描述子的計算非常耗時。實踐當中，如SIFT等局部特征提取目前在CPU上是無法實時計算的，而ORB也需要近20毫秒的計算。其次，使用特征點時，忽略了除特征點以外的所有信息。一張圖像有幾十萬個像素，而特征點只有幾百個。只使用特征點丟棄了大部分可能有用的圖像信息。最后，并非所有物體都有大量的有效特征。例如，有時們會面對一堵白墻，或者一個空蕩蕩的走廓。這些場景下特征點數量會明顯減少，我們可能找不到足夠的匹配點來計算位置和角度。

特別地，對于椅子位姿估計來說，由于椅子的紋理往往比較少，有效的特征點可能也不多，在這種情況下，基于特征點的位姿估計方法可能找不到足夠的匹配點，對于位置和角度的估計可能會非常不精確。

(2)基于模型的位姿估計方法

基于模型的位姿估計方法通常利用物體的幾何關系來估計。其基本思想是利用某種幾何模型或結構來表示物體的結構和形狀，并通過提取某些物體特征，在模型和圖像之間建立起對應關系，然后通過幾何或者其它方法實現物體空間姿態的估計。這里所使用的模型既可能是簡單的幾何形體，如平面、圓柱，也可能是某種幾何結構，也可能是通過激光掃描或其它方法獲得的三維模型。基于模型的位姿估計方法是通過比對真實圖像和合成圖像，進行相似度計算更新物體姿態。

目前基于模型的方法為了避免在全局狀態空間中進行優化搜索，一般都將優化問題先降解成多個局部特征的匹配問題，非常依賴于局部特征的準確檢測。噪聲較大無法提取準確的局部特征的時候，該方法的魯棒性受到很大影響。

特別地，對于椅子位姿估計來說，由于椅子的形態千差萬別，并沒有一個通用的幾何模型可以近似描述所有的椅子。這意味著如果采用基于模型的位姿估計方法，則需要針對每款椅子的幾何形狀進行建模，這需要耗費大量的人力物力。

(3)基于學習的位姿估計方法

基于學習的方法借助于機器學習方法，從事先獲取的不同姿態下的訓練樣本中學習二維觀測圖像與三維姿態之間的對應關系，并將學習得到的決策規則或回歸函數應用于樣本，所得結果作為對樣本的位姿估計。

基于學習的方法一般采用全局觀測特征，不需檢測或識別物體的局部特征，具有較好的魯棒性。其缺點是由于無法獲取在高維空間中進行連續估計所需要的密集采樣，因此無法保證位姿估計的精度與連續性。