[發明專利]一種基于機器學習的貧紋理目標物體真值數據庫構建方法在審

申請號：	202010726969.2	申請日：	2020-07-26
公開（公告）號：	CN111915632A	公開（公告）日：	2020-11-10
發明（設計）人：	董延超;冀玲玲;寧少淳;王浩天;岳繼光;何斌;沈潤杰	申請（專利權）人：	同濟大學
主分類號：	G06T7/13	分類號：	G06T7/13;G06T7/20;G06T7/90;G06T7/70;G06T17/00;G06T5/00;G06K9/62
代理公司：	上海科盛知識產權代理有限公司 31225	代理人：	應小波
地址：	200092 ***	國省代碼：	上海;31
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于機器學習紋理目標物體真值數據庫構建方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明涉及一種基于機器學習的貧紋理目標物體真值數據庫構建方法，包括步驟1：獲取貧紋理目標物體的圖像數據集以及目標物體的三維模型；步驟2：提取圖像數據集中各圖像的圖像邊緣以及三維模型中的邊緣光柵點；步驟3：計算圖像數據集中各圖像的DCM張量，并構建方向倒角距離誤差函數；步驟4：獲得粗分類初始位姿；步驟5：使用目標追蹤子方法獲得優化后的初始位姿；步驟6：使用優化后的初始位姿以及相機投影模型，使用目標追蹤子方法獲得圖像數據集中各圖像的優化位姿；步驟7：獲取目標物體的真值；步驟8：使用目標物體的真值構建真值數據庫。與現有技術相比，本發明具有精度高、速度快、目標物體數據更加全面以及目標數據庫制作靈活等優點。

技術領域

本發明涉及計算機視覺技術領域，尤其是涉及一種基于機器學習的貧紋理目標物體真值數據庫構建方法。

背景技術

隨著計算機視覺技術在深度學習理論的促進下取得了巨大進步，尤其是在分類、檢測以及分割等方向取得了較大的進展。近年來基于視覺的位姿估計也日益興起，尤其是基于深度學習的位姿估計方法，這類技術往往需要基于大量的數據進行，目前通過圖像估計目標物體的位姿并跟蹤。目前目標物體位姿數據庫的獲取方式有兩大類：一類是通過人工測量的方法計算得到物體的真實位姿，該方法往往配合傳感器使用，需要較大的人力和物力，且得到的位姿與真實位姿存在一定的差異，尤其是工業場景下貧紋理目標物體，該類物體往往是金屬質地，難以通過提取特征點進行追蹤，而張貼圖紙協助定位的方式極大地限制了工作空間，且計算得到的精度較低難以滿足需求，例如中國專利CN109558902A中公開了一種快速目標檢測方法，該方法即使用提取目標物體特征來進行識別，但是用上述方法對貧紋理目標物體識別時，精度和準確度都較低；另一類是利用計算機圖形學的方式通過3D軟件渲染目標物體來得到其對應的位姿等真值，該方法得到的位姿較為精確，但虛擬場景下的物體與真實場景的物體存在差異，難以模仿真實的應用場景，所以該方法的實現比較困難。因此，對真實場景下貧紋理目標物體進行精確且快速的真值數據庫制作十分必要。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種精度高、速度快、目標物體數據更加全面、目標數據庫制作更加靈活的基于機器學習的貧紋理目標物體真值數據庫構建方法。

本發明的目的可以通過以下技術方案來實現：

一種基于機器學習的貧紋理目標物體真值數據庫構建方法，包括：

步驟1：獲取貧紋理目標物體的圖像數據集以及目標物體的三維模型；

步驟2：提取圖像數據集中各圖像的圖像邊緣以及三維模型中的邊緣光柵點；

步驟3：計算圖像數據集中各圖像的DCM張量，并構建方向倒角距離誤差函數；

步驟4：獲得粗分類初始位姿；

步驟5：使用目標追蹤子方法獲得優化后的初始位姿；

步驟6：使用優化后的初始位姿以及相機投影模型，使用目標追蹤子方法獲得圖像數據集中各圖像的優化位姿；

步驟7：獲取目標物體的真值；

步驟8：使用目標物體的真值構建真值數據庫。