[發明專利]一種基于棋盤格標定板的物體3D位姿標簽獲取方法

有效

• 申請號: 202011309922.2
• 申請日: 2020-11-20
• 公開（公告）號: CN112465898B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 莊春剛;熊振華;朱向陽;雷海波;王合勝;王浩宇
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T7/70
• 分類號: G06T7/70;G06T7/80
• 代理公司: 上海旭誠知識產權代理有限公司 31220
• 代理人: 鄭立

本發明公開了一種基于棋盤格標定板的物體3D位姿標簽獲取方法，涉及物體位姿獲取技術領域，包括如下步驟：依靠物體的CAD模型建立物體與棋盤格標定板的位姿模板；標定相機內參、相機外參和徑向畸變參數；獲取物體在相機坐標系下的位姿；驗證位姿獲取的正確性。本發明利用棋盤格標定方法，在約束物體與棋盤格之間的位姿關系基礎上，為物體真實位姿的獲取提供了一種低成本、高精度的方法，為物體位姿估計方法提供了真實的驗證標簽。

技術領域

本發明涉及物體位姿獲取技術領域，尤其涉及一種基于棋盤格標定板的物體位姿標簽獲取方法。

背景技術

隨著深度學習的發展，越來越多的網絡關注物體空間位姿估計。空間位姿估計網絡需要大量的具有位姿標簽的訓練數據，同時需要真實場景中的物體的位姿標簽作為網絡回歸精度的計算依據。因此，物體真實位姿的獲取在數據集構建和位姿估計準確性的評價方面具有非常重要的意義。

現有物體位姿信息主要通過兩種形式獲取，其一是通過物理仿真引擎得到仿真數據集及其標簽，其二是通過間接的方式獲取真實場景中的位姿信息。Kilian Kleeberger等人在文章“Large-scale 6D Object Pose Estimation Dataset for Industrial Bin-Picking”中使用最近點迭代算法獲取真實場景的物體標簽。Romain Bregier等人在文章“Symmetry Aware Evaluation of 3D Object Detection and Pose Estimation inScenes of Many Parts in Bulk”中使用在貼在物體上的標記物獲取物體的位姿信息。在驗證位姿估計準確性時，Chien-Ming Lin等人在文章“Visual Object Recognition andPose Estimation Based on a Deep Semantic Segmentation Network”中使用兩自由度轉臺提供物體在真實場景中的相對位姿的標簽。

間接算法獲取位姿的方式，依賴完整可靠的場景三維信息和高魯棒的模板匹配算法。在一些復雜場景下還需要手工去除干擾信息。使用物理引擎生成的數據，在泛化到真實場景的過程中會引起不可避免的精度損失。物體在相機坐標系下的絕對位姿的估計精度是影響物體抓取成功率的直接因素，因此使用相對位姿的評價不能夠反映位姿估計在物體抓取任務中的表現。

因此，本領域的技術人員致力于開發一種基于棋盤格標定板的物體位姿標簽獲取方法，不依賴三維點云信息，不要求高魯棒性匹配算法。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是為真實場景中物體的位姿獲取提供一種低成本高精度的方法，為物體位姿估計方法提供了真實的驗證標簽。

為實現上述目的，本發明提供了一種基于棋盤格標定板的物體3D位姿標簽獲取方法，其特征在于，包括如下步驟：

步驟1、建立物體的CAD模型；

步驟2、將CAD模型等比例投影得到物體輪廓模板；

步驟3、將所述物體輪廓模板和棋盤格標定板原點對齊；

步驟4、計算物體坐標系到棋盤格坐標系的變換矩陣，得到第一變換矩陣；

步驟5、將物體和棋盤格放置在模板上，標定相機外參、相機內參和徑向畸變參數；

步驟6、移動相機使物體與棋盤格同時在相機視野內，獲取單幅圖片；

步驟7、使用所述徑向畸變參數修正所述單幅圖片，計算棋盤格坐標系到相機坐標系的變換矩陣，得到第二變換矩陣；

步驟8、根據所述第一變換矩陣和所述第二變換矩陣，計算物體坐標系到相機坐標系的變換矩陣，得到第三變換矩陣；