一种基于物理仿真的物体语义和位姿数据集生成方法技术

本发明专利技术公开了一种通过物理仿真生成物体语义和位姿数据集的方法，涉及机器人智能感知的深度学习应用领域，包括几何建模、初始化、仿真解算、渲染、读取和生成大规模数据集这几个步骤。本发明专利技术针对工业机器人分拣应用中用于深度学习的物体识别数据集建设成本大的问题，提出了一种基于物理仿真的物体语义和位姿数据集生成方法，能够获取逼近真实场景的数据集，适应于工业领域物体分拣应用中的低成本数据集生成，同样适应于其他物体语义和位姿识别领域的数据集生成应用，具有成本低、数据集逼近真实场景和应用范围广的效果。

【技术实现步骤摘要】
一种基于物理仿真的物体语义和位姿数据集生成方法
本专利技术涉及机器人智能感知的深度学习应用领域，尤其涉及一种基于物理仿真的物体语义和位姿数据集生成方法。
技术介绍
随着机器人智能感知技术的发展，基于深度学习的物体识别算法对拓展机器人工业分拣应用场景起到了重要作用。对实际机器人工业分拣应用，训练一个有效的深度学习物体识别模型需要针对具体的识别物体建立有对应标注的大规模数据集。目前，物体识别数据集的标注信息主要包括场景中每个物体的类别，包围框，语义分割和三维位姿；在实际数据集建设时，现有技术主要采用传统人工标注和后处理的方法来进行标注，标注和数据获取成本大。为了降低物体识别数据集建设的成本，本专利技术在考虑实际机器人感知应用中传感器实际可获取数据和物体识别目标的情况下，在工业机器人分拣场景下生成逼真的可供深度学习模型训练和位姿识别算法测试的物体语义和位姿数据集，通过在物理仿真场景中，随机生成大量不同物体摆放场景和不同相机光源位置，自动生成颜色图像，深度图像和点云数据，并对应生成每个物体的类别、包围框、语义分割和位姿标注，构建大规模数据集。因此，本领域的技术人员致力于开发一种基于物理仿真的本文档来自技高网...

【技术保护点】
1.一种基于物理仿真的物体语义和位姿数据集生成方法，其特征在于，所述方法包括以下步骤：步骤1、针对数据应用场景进行几何建模；步骤2、通过物理引擎建立物理场景，初始化场景各个几何体物理仿真参数和渲染配置；步骤3、随机初始化相机配置，光源配置和物体类型，个数及初始姿态；步骤4、根据物理场景当前状态进行仿真解算，达到物理稳定结果，贴近实际物体堆叠场景；步骤5、根据当前相机配置渲染场景的颜色图像，深度图像和点云数据，恢复场景点云；步骤6、通过读取物理世界内部参数和渲染设置，得到场景中每个物体的类别，语义，包围框和位姿等标注信息；步骤7、重复步骤4至步骤6，直至数据集达到指定数据规模，生成大规模数据集。

【技术特征摘要】
1.一种基于物理仿真的物体语义和位姿数据集生成方法，其特征在于，所述方法包括以下步骤：步骤1、针对数据应用场景进行几何建模；步骤2、通过物理引擎建立物理场景，初始化场景各个几何体物理仿真参数和渲染配置；步骤3、随机初始化相机配置，光源配置和物体类型，个数及初始姿态；步骤4、根据物理场景当前状态进行仿真解算，达到物理稳定结果，贴近实际物体堆叠场景；步骤5、根据当前相机配置渲染场景的颜色图像，深度图像和点云数据，恢复场景点云；步骤6、通过读取物理世界内部参数和渲染设置，得到场景中每个物体的类别，语义，包围框和位姿等标注信息；步骤7、重复步骤4至步骤6，直至数据集达到指定数据规模，生成大规模数据集。2.根据权利要求1所述的一种基于物理仿真的物体语义和位姿数据集生成方法，其特征在于，所述步骤1包括如下步骤：步骤1.1、对物体和构成所述数据应用场景的物体建立三维几何模型；步骤1.2、利用实际物体和场景表面拍摄的图像，对所述三维几何模型的表面进行贴图，从而得到外观贴近真实物体的三维模型。3.根据权利要求2所述的一种基于物理仿真的物体语义和位姿数据集生成方法，其特征在于，所述步骤2包括如下步骤：步骤2.1、将所述外观贴近真实物体的三维模型导入物理引擎，建立贴近真实环境的具备相应仿真参数的物理场景；步骤2.2、利用所述物理引擎初始化各个所述三维模型的仿真碰撞参数，物体类型、个数及初始姿态。4.根据权利要求1所述的...

【专利技术属性】
技术研发人员：庄春刚，朱向阳，赵恒，王哲，张波，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31