[發(fā)明專利]一種基于正八面體的單目6D位姿估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110023406.1
• 申請(qǐng)日: 2021-01-08
• 公開（公告）號(hào): CN112734844B
• 公開（公告）日: 2022-11-08
• 發(fā)明（設(shè)計(jì)）人: 孫昊;崔睿;段倫輝;譚英倫;吳夢(mèng)坤
• 申請(qǐng)（專利權(quán)）人: 河北工業(yè)大學(xué)
• 主分類號(hào): G06T7/73
• 分類號(hào): G06T7/73;G06T7/80
• 代理公司: 天津翰林知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12210
• 代理人: 王瑞

本發(fā)明公開了一種基于正八面體的單目6D位姿估計(jì)方法。本方法創(chuàng)造性地將ArUco碼與正八面體相結(jié)合，將位姿識(shí)別從二維標(biāo)簽識(shí)別擴(kuò)展為對(duì)三維空間體進(jìn)行識(shí)別，大幅度提升了位姿識(shí)別的性能，再使用單目相機(jī)采集被ArUco碼標(biāo)記的正八面體圖像，利用PnP算法計(jì)算ArUco碼的位姿矩陣，再根據(jù)正八面體每個(gè)面上的ArUco碼在正八面體坐標(biāo)系下的相對(duì)位姿矩陣，以及基于檢測(cè)到的ArUco碼的面積越大越可信的理論計(jì)算出的當(dāng)前幀正八面體相對(duì)于初始幀正八面體的位姿矩陣，間接計(jì)算出被測(cè)物體的位姿。在檢測(cè)到的ArUco碼中由于拍攝方向的不同導(dǎo)致得到的ArUco碼的面積不同，從而利用加權(quán)平均的方法進(jìn)行平均化保證測(cè)量的精度。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像識(shí)別位姿檢測(cè)領(lǐng)域，具體是一種基于正八面體的單目6D位姿估計(jì)方法。

背景技術(shù)

目標(biāo)的位姿估計(jì)無(wú)論是在生產(chǎn)還是生活方面都扮演者重要的角色，是實(shí)現(xiàn)機(jī)器人運(yùn)動(dòng)靈活有效的前提。目前工業(yè)自動(dòng)化行業(yè)發(fā)展迅猛，對(duì)機(jī)器人的狀態(tài)進(jìn)行實(shí)時(shí)檢測(cè)并反饋的要求也不斷提高，而基于視覺的目標(biāo)位姿估計(jì)對(duì)機(jī)器人性能的提高有重要意義。單目視覺系統(tǒng)僅使用一臺(tái)相機(jī)，結(jié)構(gòu)簡(jiǎn)單成本低廉，應(yīng)用比較廣泛。目前目標(biāo)的位姿估計(jì)的主要方法有：

使用基于模板的位姿估計(jì)方法，一般通過(guò)使用CAD構(gòu)建待測(cè)目標(biāo)的三維模板，并通過(guò)虛擬相機(jī)采集各個(gè)姿態(tài)下三維模板輪廓，對(duì)比當(dāng)前目標(biāo)與模板的關(guān)系，尋找與實(shí)際位姿最接近的模板，估計(jì)出目標(biāo)的姿態(tài)。這種方法使用的前提條件是需要構(gòu)建大量的模板匹配庫(kù)，估計(jì)的精度取決于模板匹配庫(kù)的規(guī)模，并且一個(gè)模板庫(kù)只適用于一個(gè)物體的位姿估計(jì)，無(wú)法滿足通用性和準(zhǔn)確度。文獻(xiàn)《Markus Ulrich.Combining scale-space andsimilarity-based aspect graphs for fast 3D object recognition[J].IEEETransactions on Pattern AnalysisMachine In telligence,201234(10):1902-1914.》中通過(guò)繪制目標(biāo)物體的CAD模型并且通過(guò)一系列采樣點(diǎn)得到目標(biāo)物體不同姿態(tài)下的圖像，基于此建立了數(shù)據(jù)庫(kù)，將被測(cè)物體與模板庫(kù)圖像相結(jié)合通過(guò)相似性評(píng)價(jià)函數(shù)進(jìn)行匹配，實(shí)現(xiàn)了三維物體空間位姿的快速識(shí)別，但是數(shù)據(jù)庫(kù)的規(guī)模決定了位姿估計(jì)結(jié)果的準(zhǔn)確性同時(shí)數(shù)據(jù)庫(kù)的數(shù)據(jù)存儲(chǔ)類型決定了被測(cè)物體的模板。

文獻(xiàn)《Qi C R,Liu W,Wu C,et al.Frustum pointnets for 3d objectdetection from rgb-d data[C]//Proceeding of the IEEE Conference on ComputerVision and Pattern Recognition.2018:918-927.》中提出了F-PointNet，該方法能夠得到三維位姿信息，但是通過(guò)激光雷達(dá)獲得的點(diǎn)云是稀疏和不規(guī)律的，自動(dòng)駕駛場(chǎng)景中的物體也鮮有遮擋的情況，并且包圍框的位姿也僅考慮垂直于地面的旋轉(zhuǎn)，這和散亂場(chǎng)景中堆疊的工件有很大的差別，因此該類方法并不能很好的進(jìn)行遷移，說(shuō)明了通過(guò)挖掘特征點(diǎn)的方法得到的結(jié)果對(duì)于場(chǎng)景具有高要求的特點(diǎn)，無(wú)法保證檢測(cè)場(chǎng)景的通用性。使用特征點(diǎn)的位姿估計(jì)方法通過(guò)挖掘不同圖像間的特征點(diǎn)來(lái)估計(jì)目標(biāo)的姿態(tài)變化，通過(guò)對(duì)比多幅圖像內(nèi)的相似特征點(diǎn)，根據(jù)特征點(diǎn)的位置變化估計(jì)出當(dāng)前位姿。該方法在計(jì)算資源上龐大并且易受到光照與環(huán)境的影響，會(huì)造成位姿估計(jì)質(zhì)量下降。

使用深度學(xué)習(xí)的位姿估計(jì)方法，通過(guò)構(gòu)建位姿估計(jì)網(wǎng)絡(luò)模型以及構(gòu)建損失函數(shù)進(jìn)行圖像內(nèi)的物體的位姿估計(jì)。文獻(xiàn)《李少飛,史澤林,莊春剛.基于物體點(diǎn)云6D位姿估計(jì)的深度學(xué)習(xí)方法[J/OL].計(jì)算機(jī)工程:1-8[2020-12-01].https://doi.org/10.19678/j.issn.1000-3428.0058768.》中提出了一種基于深度學(xué)習(xí)的點(diǎn)云位姿估計(jì)方法，但是方法的準(zhǔn)確度依賴于實(shí)例分割的準(zhǔn)確度，而且算法的計(jì)算較復(fù)雜，無(wú)法滿足實(shí)時(shí)性。基于深度學(xué)習(xí)的位姿估計(jì)方法在使用時(shí)特征的選擇以及損失函數(shù)的選擇對(duì)估計(jì)的結(jié)果影響很大，并且這種方法在使用時(shí)耗費(fèi)巨大的計(jì)算資源以及樣本資源，成本和效果難以控制，且大多數(shù)為具有針對(duì)性的模型開發(fā)，無(wú)法滿足通用性和實(shí)時(shí)性。

發(fā)明內(nèi)容