【技术实现步骤摘要】
物体的位姿获取方法、场景重构的方法和装置
本申请涉及计算机视觉领域的技术,尤其涉及一种物体的位姿获取方法、场景重构的方法和装置。
技术介绍
室内场景的三维重建是移动机器人自主导航、增强现实以及摄影测量领域实景三维重建系统的重要技术,其中最重要的步骤是位姿估计。目前,室内场景的三维重建包括基于激光和基于图像两种方法,前者精度高,但激光设备价格高昂,后者细节更丰富且成本低,但精度较低。现有技术中,通常采用卷积神经网络(ConvolutionalNeuralNetworks,简称:CNN)来检测图像中的目标部件,针对每个目标部件,预测其位置,计算其与模型库中各标准模型的相似度,再利用相似度确定与其对应的标准模型,最后结合各目标部件的位置匹配关系估计目标的位姿。但是,上述方法依赖于目标部件的检测结果,当噪声较大或遮挡严重导致无法检测出准确的目标部件时,会降低目标位姿估计的准确率,从而无法重构出三维场景。
技术实现思路
本申请提供一种物体的位姿获取方法、场景重构的方法和装置,以提高物体位姿估计的效率,保证位姿估计的准确率。第一方面,本申请提供一种物体的位姿获取方法,其执行主体可以是移动机器人,也可以是服务器、云平台等,只要是具备图像计算能力的设备均可作为本申请提供的方法的执行主体。本申请提供的物体的位姿获取方法中获取一二维场景图像,该图像是通过相机拍摄得到的,可选的,该图像可以是室内场景图像,通过机器学习得到该图像的全局特征图,从图像中获取多个ROI,并获取各ROI的特征图,一个ROI中可以是某个物体的完整图像,也可以是某个区域的完整图像,此处不做具体限定。再根据部分或 ...
【技术保护点】
1.一种物体的位姿获取方法,其特征在于,包括:获取二维场景图像;通过机器学习得到所述图像的全局特征图;从所述图像中获取多个感兴趣区域ROI,并获取各ROI的特征图;根据部分或全部所述ROI的特征图联合预测所述图像中的物体的共同上轴信息;根据目标ROI的特征图预测所述目标ROI中的目标物体的个体信息;所述目标ROI为所述多个ROI中包括所述图像中需要进行位姿获取的目标物体的ROI;根据所述目标ROI中目标物体的所述个体信息和所述共同上轴信息获取所述目标物体的位姿。
【技术特征摘要】
1.一种物体的位姿获取方法,其特征在于,包括:获取二维场景图像;通过机器学习得到所述图像的全局特征图;从所述图像中获取多个感兴趣区域ROI,并获取各ROI的特征图;根据部分或全部所述ROI的特征图联合预测所述图像中的物体的共同上轴信息;根据目标ROI的特征图预测所述目标ROI中的目标物体的个体信息;所述目标ROI为所述多个ROI中包括所述图像中需要进行位姿获取的目标物体的ROI;根据所述目标ROI中目标物体的所述个体信息和所述共同上轴信息获取所述目标物体的位姿。2.根据权利要求1所述的方法,其特征在于,所述根据目标ROI的特征图预测所述目标ROI中的目标物体的个体信息,包括:根据目标ROI的特征图预测所述目标ROI中的目标物体的正面朝向信息和到拍摄相机的距离信息。3.根据权利要求1或2所述的方法,其特征在于,所述根据部分或全部所述ROI的特征图联合预测所述图像中的物体的共同上轴信息,包括:联结部分或全部所述ROI的特征图得到联合特征图,根据所述联合特征图预测所述共同上轴信息。4.根据权利要求1或2所述的方法,其特征在于,所述根据部分或全部所述ROI的特征图联合预测所述图像中的物体的共同上轴信息,包括:合并部分或全部所述ROI的特征图得到联合特征图,根据所述联合特征图预测所述共同上轴信息,其中合并后得到的所述联合特征图的维度和所述ROI的特征图的维度相同。5.根据权利要求1-4中任一项所述的方法,其特征在于,所述根据部分或全部所述ROI的特征图联合预测所述图像中的物体的共同上轴信息,包括:根据部分或全部所述ROI的特征图和所述全局特征图联合预测所述共同上轴信息。6.根据权利要求1-5中任一项所述的方法,其特征在于,所述目标物体的个体信息包括所述目标物体的正面朝向信息和所述目标物体到拍摄相机的距离信息;所述根据所述目标ROI中目标物体的所述个体信息和所述共同上轴信息获取所述目标物体的位姿之前,还包括:根据所述全局特征图预测所述拍摄相机的高度;所述根据所述目标ROI中目标物体的所述个体信息和所述共同上轴信息获取所述目标物体的位姿,包括:根据所述拍摄相机的高度、所述目标物体的正面朝向信息、所述目标物体到拍摄相机的距离信息和所述共同上轴信息获取所述目标物体的位姿。7.根据权利要求1-5中任一项所述的方法,其特征在于,所述目标物体的个体信息包括所述目标物体的正面朝向信息和所述目标物体到拍摄相机的距离信息;所述根据所述目标ROI中目标物体的所述个体信息和所述共同上轴信息获取所述目标物体的位姿,包括:获取所述拍摄相机的位置信息,所述位置信息包括所述拍摄相机的坐标位置、所述拍摄相机的法向和正面朝向;以所述拍摄相机的位置信息为参照,根据所述目标物体的正面朝向信息、所述目标物体到拍摄相机的距离信息和所述共同上轴信息计算所述目标物体的位姿。8.根据权利要求7所述的方法,其特征在于,所述拍摄相机的位置信息为所述拍摄相机的中心位置信息;所述目标物体到拍摄相机的距离信息为所述目标物体的中心位置到所述拍摄相机的中心位置的距离信息;所述以所述拍摄相机的位置信息为参照,根据所述目标物体的正面朝向信息、所述目标物体到所述拍摄相机的距离信息和所述共同上轴信息计算所述目标物体的位姿,包括:以所述拍摄相机的中心位置信息为参考坐标系,计算所述拍摄相机正面朝向到所述目标物体正面朝向的角度;计算所述拍摄相机法向到所述共同上轴的角度;根据所述拍摄相机正面朝向到所述目标物体正面朝向的角度、所述拍摄相机法向到所述共同上轴的角度和所述目标物体的中心位置到所述拍摄相机的中心位置的距离信息计算所述目标物体的中心位置在所述参考坐标系中的位姿。9.一种场景重构的方法,其特征在于,包括:获取二维场景图像;通过机器学习得到所述图像的全局特征图;从所述图像中获取多个感兴趣区域ROI,并获取各ROI的特征图;根据部分或全部所述ROI的特征图联合预测所述图像中的物体的共同上轴信息;根据目标ROI的特征图预测所述目标ROI中的目标物体的个体信息,所述目标ROI为包括所述图像中需要进行位姿获取的目标物体的ROI,所述个体信息包括目标物体的类别信息、大小信息、正面朝向信息和到拍摄相机的距离信息;根据所述目标物体的正面朝向信息、所述目标物体到拍摄相机的距离信息和所述共同上轴信息获取所述目标物体的位姿;根据所述目标物体的类别信息和大小信息获取所述目标物体的三维模型;根据所述目标物体的位姿和所述三维模型重构场景。10.根据权利要求9所述的方法,其特征在于,所述根据部分或全部所述ROI的特征图联合预测所述图像中的物体的共同上轴信息,包括:联结部分或全部所述ROI的特征图得到联合特征图,根据所述联合特征图预测所述共同上轴信息。11.根据权利要求9所述的方法,其特征在于,所述根据部分或全部所述ROI的特征图联合预测所述图像中的物体的共同上轴信息,包括:合并部分或全部所述ROI的特征图得到联合特征图,根据所述联合特征图预测所述共同上轴信息,其中合并后得到的所述联合特征图的维度和所述ROI的特征图的维度相同。12.根据权利要求9-11中任一项所述的方法,其特征在于,所述根据所述目标物体的正面朝向信息、所述目标物体到拍摄相机的距离信息和所述共同上轴信息获取所述目标物体的位姿,包括:获取所述拍摄相机的位置信息,所述位置信息包括所述拍摄相机的坐标位置、所述拍摄相机的法向和正面朝向;以所述拍摄相机的位置信息为参照,根据所述目标物体的正面朝向信息、所述目标物体到拍摄相机的距离信息和所述共同上...
【专利技术属性】
技术研发人员:刘传建,王靓伟,李扬彦,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。