[發明專利]一種物體空間信息標簽的生成方法、裝置、存儲介質和電子設備

在審

• 申請號: 202111576597.0
• 申請日: 2021-12-22
• 公開（公告）號: CN114241316A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 陳昀
• 申請（專利權）人: 杭州螢石軟件有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06T7/33;G06T7/55;G06T7/73
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 王雙;王琦

本申請公開了一種物體空間信息標簽的生成方法，包括：利用多角度采集到的包括目標物體的場景視頻，生成場景點云和各個時刻下的圖像傳感器的位姿變化信息；根據在場景點云中選取的目標物體特征點，進行目標物體三維模型到場景點云的配準，得到圖像傳感器坐標系下初始時刻的目標物體位姿變化信息；根據各時刻下圖像傳感器的位姿變化信息和初始時刻的目標物體位姿變化信息，確定圖像傳感器坐標系下各個時刻的目標物體位姿變化信息，將所述各個時刻的目標物體位姿變化信息作為相應時刻目標物體的位姿標簽。應用本申請，能夠提高物體空間信息標簽的生成效率，進而提高訓練數據的生成效率。

技術領域

本申請涉及計算機視覺技術，特別涉及一種物體空間信息標簽的生成方法、裝置、存儲介質和電子設備。

背景技術

基于計算機視覺的物體位姿估計技術是實現機器人抓取和靈巧操作的關鍵技術。對于提高機器人的環境和任務適應性，拓寬機器人的應用領域，提升機器人在智能制造、倉儲物流、家庭服務等場景中的靈活性和應用效能具有重要意義。此外，該技術在自動駕駛、增強現實、虛擬現實等領域，也有廣闊的應用前景。

近年來，隨著深度學習技術的蓬勃發展，基于深度學習的物體位姿估計取得了較好的效果。在背景雜亂、物體堆疊遮擋、光照變化等非結構化場景下，深度學習方法的魯棒性、準確性和實時性都優于傳統的位姿估計發昂奮。但是，深度學習方法是一類數據驅動的算法，要取得理想的效果，需要大量帶有空間信息標簽的訓練數據，然而在物體位姿估計領域，目前通常使用人工標記的方式生成物體的空間信息標簽，繼而得到帶有空間信息標簽的訓練數據，顯然這樣生成標簽和訓練數據的效率非常低。

發明內容

本申請提供一種物體空間信息標簽的生成方法、裝置、存儲介質和電子設備，能夠提高物體空間信息標簽的生成效率，進而提高訓練數據的生成效率。

為實現上述目的，本申請采用如下技術方案：

一種物體空間信息標簽的生成方法，包括：

利用從多角度采集到的包括目標物體的場景視頻，生成場景點云和各個時刻下表征圖像傳感器位姿變化的圖像傳感器的位姿變化信息；其中，所述場景點云包括各個時刻下拍攝場景的點集；

利用在所述場景點云中選取的目標物體特征點，進行目標物體三維模型到所述場景點云的配準，得到圖像傳感器坐標系下初始時刻的目標物體位姿變化信息；

根據所述各個時刻下圖像傳感器的位姿變化信息和所述初始時刻的目標物體位姿變化信息，確定圖像傳感器坐標系下所述各個時刻的目標物體位姿變化信息；

將所述各個時刻的目標物體位姿變化信息確定為相應時刻的目標物體的位姿標簽。

較佳地，其特征在于，所述確定圖像傳感器坐標系下時刻t_i的目標物體位姿變化信息(R_ti|T_ti)包括：

(R_ti|T_ti)＝(R_ti-1×R_ci-1,ci|R_ti-1×T_ci-1,ci+T_ti-1)，

其中，(R_ti-1，ti|T_ti-1,ti)為時刻t_i-1到時刻t_i圖像傳感器的位姿變化的旋轉矩陣，為時刻t_i-1到時刻t_i圖像傳感器的位姿變化的平移向量，0i≤n為正整數。

較佳地，所述進行目標物體三維模型到所述場景點云的配準包括：