物体位姿识别的方法、装置及计算机存储介质制造方法及图纸

本发明专利技术公开了一种物体位姿识别的方法、装置及计算机存储介质，涉及机器视觉技术领域。包括：通过若干采样点云信息输入到待训练的点云神经网络中训练，其中每一采样点云信息由仿真点云信息通过随机偏移函数得到；并通过训练好的点云神经网络得到待测点云信息中每个点的第一预测质心坐标、第一预测欧拉角；将所有第一预测质心坐标进行聚类处理，得到多个第一点云集合；将每一第一点云集合的每个点的第一预测欧拉角以及第一预测质心坐标进行位姿获取处理，得到第一质心坐标以及第一欧拉角。因此，仿真环境通过随机偏移函数模拟不同相机及工作环境得到多个训练样本以得到鲁棒性更好的点云神经网络，可以提升位姿识别的准确率。

【技术实现步骤摘要】
物体位姿识别的方法、装置及计算机存储介质
本专利技术涉及人工智能领域，特别涉及一种物体位姿识别的方法、装置及计算机存储介质。
技术介绍
随着深度相机的普及以及3D视觉研究的发展，机械臂开始承担如智能分拣、柔性上下料等复杂的任务。这些工作离不开对随机堆叠场景内的物体进行准确的位姿估计，需要解决的难题包括物体遮挡严重、视觉传感器获得的数据有噪声、识别的物体种类多等。其中，位姿是一个相对的概念，指的是两个坐标系之间的位移和旋转变换，而两个坐标系分别表示以物体上初始位置以及旋转、平移后的位置建立的坐标系。目前一些面向位姿识别的深度学习网络可以有效解决随机堆叠场景里物体的位姿识别问题。而深度学习网络的训练通常采用真实物体场景数据训练以及仿真环境训练，通过真实物体场景的数据往往存在数据量采集不够导致深度学习网络识别准确率不高，而仿真环境模拟的数据与真实的场景往往存在差异，从而导致仿真训练的深度学习网络识别无法直接应用到真实场景的识别，位姿识别准确率不高。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提供了一本文档来自技高网...

【技术保护点】
1.一种物体位姿识别的方法，其特征在于，包括如下步骤：/n将若干采样点云信息输入到待训练的点云神经网络中进行训练，得到训练好的点云神经网络，其中每一所述采样点云信息由仿真点云信息通过随机偏移函数处理后得到，所述仿真点云信息由若干第一物体进行仿真处理后得到的；/n将待测点云信息输入到训练好的所述点云神经网络中，得到所述待测点云信息中每个点的第一预测质心坐标；/n将所有所述第一预测质心坐标进行聚类处理，得到多个第一点云集合，其中每个所述第一点云集合中的点均属于同一个所述第一物体；/n获取每一所述第一点云集合的每个点的第一预测欧拉角；/n将每一所述第一预测欧拉角以及对应的每一所述第一预测质心坐标进行...

【技术特征摘要】
1.一种物体位姿识别的方法，其特征在于，包括如下步骤：
将若干采样点云信息输入到待训练的点云神经网络中进行训练，得到训练好的点云神经网络，其中每一所述采样点云信息由仿真点云信息通过随机偏移函数处理后得到，所述仿真点云信息由若干第一物体进行仿真处理后得到的；
将待测点云信息输入到训练好的所述点云神经网络中，得到所述待测点云信息中每个点的第一预测质心坐标；
将所有所述第一预测质心坐标进行聚类处理，得到多个第一点云集合，其中每个所述第一点云集合中的点均属于同一个所述第一物体；
获取每一所述第一点云集合的每个点的第一预测欧拉角；
将每一所述第一预测欧拉角以及对应的每一所述第一预测质心坐标进行位姿获取处理，得到每一所述第一物体的第一质心坐标以及第一欧拉角。


2.根据权利要求1所述的物体位姿识别的方法，其特征在于，
所述随机偏移函数中偏移值通过标准正态分布函数得到，所述标准正态分布函数的期望值为0、标准差为1。


3.根据权利要求1所述的物体位姿识别的方法，其特征在于，
所述将所有所述第一预测质心坐标进行聚类处理，得到多个第一点云集合，其中每个所述第一点云集合中的点均属于同一个所述第一物体，包括如下步骤：
获取第二点云集合以及所述第二点云集合所在的最小包围球的第二半径，所述第二点云集合的个数与所有所述第一预测质心坐标的个数的比值等于预设的第二比值；
将所述第二半径输入质心特征分布函数，得到第一聚类带宽；
将MeanShift算法的带宽的值设置为所述第一聚类带宽的值；并通过所述MeanShift算法对所有所述第一预测质心坐标进行个体分割，得到多个第一点云集合。


4.根据权利要求3所述的物体位姿识别的方法，其特征在于，
所述质心特征分布函数的获取包括如下步骤：
获取多个不同的第二物体的第二真实点云信息，并获取每一所述第二真实点云信息中各点的第二预测质心坐标；
对所有所述第二预测质心坐标进行多次MeanShift算法聚类处理，得到若干第三点云集合以及与每一所述第三点云集合对应第二聚类带宽，其中第二聚类带宽的值等于MeanShift算法聚类处理时的带宽的值；
获取每一所述第三点云集合的点的个数与所述第二真实点云信息的点的个数的第一比值、每一所述第三点云集合所在的最小包围球的第一半径；并将所述第一比值与所述第二比值进行匹配处理；
根据匹配结果获得多组与所述第二比值对应的所述第一半径以及所述第二聚类带宽；
将多组所述第一半径与所述第二聚类带宽进行数据拟合，得到所述质心特征分布函数。


5.根据权利要求1所述的物体位姿识别的方法，其特征在于，
所述将每一所述第一预测欧拉角以及对应的每一所述第一预测质心坐标进行位姿获取处理，得到每一所述第一物体的第一质心坐标以及第一欧拉角，包括如下步骤：
对每一所述第一点云集合中每个点分别进行可信度处理，得到更新后的所述第一点云集合中每个点的所述第一预测欧拉角以及所述...

【专利技术属性】
技术研发人员：曾龙，吕伟杰，陶佳琪，张欣宇，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44