[發明專利]基于參考平面的高精度物體多自由度姿態估計方法及系統

在審

• 申請號: 202010829992.4
• 申請日: 2020-08-18
• 公開（公告）號: CN111968180A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 裴成學
• 申請（專利權）人: 裴成學
• 主分類號: G06T7/73
• 分類號: G06T7/73
• 代理公司: 嘉興啟帆專利代理事務所(普通合伙) 33253
• 代理人: 程開生

本發明公開了基于參考平面的高精度物體多自由度姿態估計方法及其系統。基于參考平面的高精度物體多自由度姿態估計方法，包括以下步驟：步驟S1：由至少一成像設備實時成像并且實時輸出包含待多自由度姿態估計的上述物體的一信息流，上述物體相對于上述參考平面具有有限個穩定的多自由度狀態；步驟S2：至少一存儲設備被事先預置或者被實時錄入上述物體和/或上述成像設備的至少一先驗知識信息。本發明公開的基于參考平面的高精度物體多自由度姿態估計方法及系統，試驗表明可有效地部署于工業生產環境中，具有較高的可靠性和運行效率。

技術領域

本發明屬于智能制造技術領域，具體涉及一種基于參考平面的高精度物體多自由度姿態估計方法和一種基于參考平面的高精度物體多自由度姿態估計系統。

背景技術

在工業領域，若想在現有的自動化水平上，進一步提高設備的柔性生產能力或進一步替代人工操作，配備智能視覺系統將是很難繞開的選擇。而且，在智能視覺系統中，對物體多自由度姿態估計，往往是機器人柔性操作的先導條件。在過往的十幾年中，已經有了很多多自由度姿態估計的方法，但由于場景的復雜性，物體的多自由度姿態估計仍具有非常大的挑戰性。現有的方法大體可分為兩類：一類是傳統的各種匹配方法，包括模板匹配、描述子匹配、特征匹配等等，其缺點是對光照的變化、物體表面紋理敏感，而且一些精匹配的算法費時費力；另一類是新型的各種基于深度學習的方法，由于深度神經網絡的強表示能力，確實改善了對環境變化的適應性，但精度還是很差，很難在精度、效率、可靠性都要求相對高的工業領域實際部署應用。

經長時間的在生產實踐中觀察發現，物體置于平面上是一種很普遍的場景，或者說，需要對平面上的物體進行6D(六自由度)姿態估計的情況也是個很普遍的情況，而且很多物體在平面上的穩定狀態僅有有限的幾種，所以若將物體與平面的相對關系，以及攝像頭與平面的相對關系的先驗知識應用于物體姿態估計，再結合最新的深度學習技術，可以知道，其效果的提升，將在以往的方法還不能有效解決問題的場景中實現應用，實現機器替代人工或提升設備柔性生產能力，所以需要予以進一步改進。

發明內容

本發明針對現有技術的狀況，克服以上缺陷，提供一種基于參考平面的高精度物體多自由度姿態估計方法和一種基于參考平面的高精度物體多自由度姿態估計系統。

本發明專利申請公開的基于參考平面的高精度物體多自由度姿態估計方法及系統，其主要目的在于，試驗表明可有效地部署于工業生產環境中，特別是汽車零部件生產環境，具有較高的可靠性和運行效率。

本發明專利申請公開的基于參考平面的高精度物體多自由度姿態估計方法及系統，其另一目的在于，除預置的先驗知識部分外，在全流程充分體現實時性。

本發明采用以下技術方案，所述基于參考平面的高精度物體多自由度姿態估計方法，用于多自由度地估計一物體，上述物體相對于預設的一參考平面設置，包括以下步驟：

步驟S1：由至少一成像設備實時成像并且實時輸出包含待多自由度姿態估計的上述物體的一信息流，上述物體相對于上述參考平面具有有限個穩定的多自由度狀態；

步驟S2：至少一存儲設備被事先預置或者被實時錄入上述物體和/或上述成像設備的至少一先驗知識信息；

步驟S3：根據所述先驗知識信息，結合預設的一關鍵點識別方法，實時獲取并且輸出上述物體相對于一攝像機坐標系的多自由度姿態。

根據上述技術方案，作為上述技術方案的進一步優選技術方案，步驟S1具體實施為以下步驟：由至少一攝像頭實時成像并且實時輸出包括待多自由度姿態估計的上述物體的至少一圖片。

根據上述技術方案，作為上述技術方案的進一步優選技術方案，步驟S2中，所述先驗知識信息藉由測量、標定，或向設備廠家索取，或查相應手冊方式獲得，所述先驗知識信息包括但不限于：

攝像頭內參數；

待多自由度姿態估計的上述物體的三維數模；