The invention discloses an attitude feature acquisition method, device, device and storage medium. The steps of the method include: acquiring road condition image, convoluting road condition image to generate the first feature map; convoluting the first feature map to generate the second feature map of multiple sizes; marking anchor frames in each second feature map, and inputting the image content in the corresponding anchor frames of each second feature map to the full connection layer to generate the corresponding rotating feature components; according to the Each rotation feature component generates rotation estimation; each second feature image is deconvoluted to generate corresponding translation feature component; each translation feature component generates translation estimation. This method can improve the accuracy of attitude estimation results, and then ensure the availability of subsequent applications. In addition, the invention also provides an attitude feature acquisition device, a device and a storage medium, and the beneficial effect is the same as the above.
【技术实现步骤摘要】
一种姿态特征获取方法、装置、设备及存储介质
本专利技术涉及深度学习领域,特别是涉及一种姿态特征获取方法、装置、设备及存储介质。
技术介绍
检测物体的姿态特征在机器人视觉、自动驾驶、动作跟踪和单照相机定标等很多领域中都有着广泛的应用。以自动驾驶为例,当自动驾驶的车辆在道路上行驶时,需要检测其他车辆的位置以及姿态特征,当检测到其他车辆的姿态特征存在向自身方向行驶的趋势时,需要计算一定的规避路线进行行驶,以避免与其它车辆的碰撞,将损失降到最低。当前对于图像中物体的姿态特征获取方式对于尺寸过大或过小的物体的分析效果较差,如果图片中出现十分大或十分小的物体,算法的精确性将大大降低,尺寸小的物体在卷积的过程中可能损失了大部分特征信息,尺寸大的物体卷积后并没有得到很好的提取,因此会对物理姿态估计结果的准确性以及后续应用时的可用性造成一定的影响。由此可见,提供一种姿态特征获取方法,以相对提高对于物体姿态估计结果的准确性,进而确保后续应用时的可用性,是本领域技术人员需要解决的问题。
技术实现思路
本专利技术的目的是提供一种姿态特征获取方法、装置、设备及存储介质,以相对提高对于物体姿态估计结果的准确性,进而确保后续应用时的可用性。为解决上述技术问题,本专利技术提供一种姿态特征获取方法,包括:获取路况图像,对路况图像进行卷积运算,生成第一特征图;对第一特征图进行卷积运算生成多个尺寸的第二特征图;根据路况图像中物体所在的区域在各第二特征图中标记锚框,并分别将各第二特 ...
【技术保护点】
1.一种姿态特征获取方法,其特征在于,包括:/n获取路况图像,对所述路况图像进行卷积运算,生成第一特征图;/n对所述第一特征图进行卷积运算生成多个尺寸的第二特征图;/n根据所述路况图像中物体所在的区域在各所述第二特征图中标记锚框,并分别将各所述第二特征图对应锚框内的图像内容输入至全连接层,生成相应的旋转特征分量;/n根据各所述旋转特征分量生成所述路况图像中物体的旋转估计;/n分别对各所述第二特征图进行反卷积运算,生成相应的平移特征分量;/n根据各所述平移特征分量生成所述路况图像中物体的平移估计。/n
【技术特征摘要】
1.一种姿态特征获取方法,其特征在于,包括:
获取路况图像,对所述路况图像进行卷积运算,生成第一特征图;
对所述第一特征图进行卷积运算生成多个尺寸的第二特征图;
根据所述路况图像中物体所在的区域在各所述第二特征图中标记锚框,并分别将各所述第二特征图对应锚框内的图像内容输入至全连接层,生成相应的旋转特征分量;
根据各所述旋转特征分量生成所述路况图像中物体的旋转估计;
分别对各所述第二特征图进行反卷积运算,生成相应的平移特征分量;
根据各所述平移特征分量生成所述路况图像中物体的平移估计。
2.根据权利要求1所述的姿态特征获取方法,其特征在于,所述对所述路况图像进行卷积运算,生成第一特征图,包括:
通过VGG16网络对所述路况图像进行卷积运算,生成所述第一特征图。
3.根据权利要求1所述的姿态特征获取方法,其特征在于,所述根据所述路况图像中物体所在的区域在各所述第二特征图中标记锚框,包括:
利用RPN网络根据所述路况图像中物体所在的区域在各所述第二特征图中标记锚框。
4.根据权利要求1所述的姿态特征获取方法,其特征在于,所述对所述第一特征图进行卷积运算生成多个尺寸的第二特征图,包括:
对所述第一特征图进行卷积运算生成三个尺寸的第二特征图。
5.根据权利要求1至4任意一项所述的姿态特征获取方法,其特征在于,所述根据各所述旋转特征分量...
【专利技术属性】
技术研发人员:倪浩敏,黄国恒,萧堪鸿,彭玉翔,
申请(专利权)人:广东工业大学,
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。