一种基于棋盘格标定板的物体3D位姿标签获取方法技术

本发明专利技术公开了一种基于棋盘格标定板的物体3D位姿标签获取方法，涉及物体位姿获取技术领域，包括如下步骤：依靠物体的CAD模型建立物体与棋盘格标定板的位姿模板；标定相机内参、相机外参和径向畸变参数；获取物体在相机坐标系下的位姿；验证位姿获取的正确性。本发明专利技术利用棋盘格标定方法，在约束物体与棋盘格之间的位姿关系基础上，为物体真实位姿的获取提供了一种低成本、高精度的方法，为物体位姿估计方法提供了真实的验证标签。法提供了真实的验证标签。法提供了真实的验证标签。

【技术实现步骤摘要】
一种基于棋盘格标定板的物体3D位姿标签获取方法


[0001]本专利技术涉及物体位姿获取
，尤其涉及一种基于棋盘格标定板的物体位姿标签获取方法。

技术介绍

[0002]随着深度学习的发展，越来越多的网络关注物体空间位姿估计。空间位姿估计网络需要大量的具有位姿标签的训练数据，同时需要真实场景中的物体的位姿标签作为网络回归精度的计算依据。因此，物体真实位姿的获取在数据集构建和位姿估计准确性的评价方面具有非常重要的意义。
[0003]现有物体位姿信息主要通过两种形式获取，其一是通过物理仿真引擎得到仿真数据集及其标签，其二是通过间接的方式获取真实场景中的位姿信息。Kilian Kleeberger等人在文章“Large-scale 6D Object Pose Estimation Dataset for Industrial Bin-Picking”中使用最近点迭代算法获取真实场景的物体标签。Romain Bregier等人在文章“Symmetry Aware Evaluation of 3D Object Detection and Pose Estimation in Scenes of Many Parts in Bulk”中使用在贴在物体上的标记物获取物体的位姿信息。在验证位姿估计准确性时，Chien-Ming Lin等人在文章“Visual Object Recognition and Pose Estimation Based on a Deep Semantic Segmentation Network”中使用两自由度转台提供物体在真实场景中的相对位姿的标签。
[0004]间接算法获取位姿的方式，依赖完整可靠的场景三维信息和高鲁棒的模板匹配算法。在一些复杂场景下还需要手工去除干扰信息。使用物理引擎生成的数据，在泛化到真实场景的过程中会引起不可避免的精度损失。物体在相机坐标系下的绝对位姿的估计精度是影响物体抓取成功率的直接因素，因此使用相对位姿的评价不能够反映位姿估计在物体抓取任务中的表现。
[0005]因此，本领域的技术人员致力于开发一种基于棋盘格标定板的物体位姿标签获取方法，不依赖三维点云信息，不要求高鲁棒性匹配算法。

技术实现思路

[0006]有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是为真实场景中物体的位姿获取提供一种低成本高精度的方法，为物体位姿估计方法提供了真实的验证标签。
[0007]为实现上述目的，本专利技术提供了一种基于棋盘格标定板的物体3D位姿标签获取方法，其特征在于，包括如下步骤：
[0008]步骤1、建立物体的CAD模型；
[0009]步骤2、将CAD模型等比例投影得到物体轮廓模板；
[0010]步骤3、将所述物体轮廓模板和棋盘格标定板原点对齐；
[0011]步骤4、计算物体坐标系到棋盘格坐标系的变换矩阵，得到第一变换矩阵；
[0012]步骤5、将物体和棋盘格放置在模板上，标定相机外参、相机内参和径向畸变参数；
[0013]步骤6、移动相机使物体与棋盘格同时在相机视野内，获取单幅图片；
[0014]步骤7、使用所述径向畸变参数修正所述单幅图片，计算棋盘格坐标系到相机坐标系的变换矩阵，得到第二变换矩阵；
[0015]步骤8、根据所述第一变换矩阵和所述第二变换矩阵，计算物体坐标系到相机坐标系的变换矩阵，得到第三变换矩阵；
[0016]步骤9、采样所述CAD模型，得到采样点在物体坐标系下的坐标值，为采样物体坐标值，使用所述第三变换矩阵，计算采样点在相机坐标系下的坐标值，得到采样相机坐标值；
[0017]步骤10、利用物体位姿估计方法得到物体在相机坐标系下的位姿估计值，计算所述采样点在相机坐标系下的坐标值，得到采样估计坐标值，与所述采样相机坐标值对比，得到位姿估计精度指标。
[0018]进一步地，所述步骤3包括：在所述物体轮廓模板中选取模板特征点，将所述模板特征点与棋盘格标定板原点对齐，计算所述模板特征点的偏移量。
[0019]进一步地，所述第一变换矩阵为：
[0020][0021]式中x
f
、y
f
、z
f
为所述模板特征点在物体坐标系下的坐标值，Δx、Δy是所述模板特征点到棋盘格标定板原点的偏移量，Δh是高精度棋盘格标定板的厚度，在不使用高精度标定板时其值为0。
[0022]进一步地，相机外参是利用棋盘格角点和其实际坐标拟合得到，相机内参由张正友标定方法计算得到。
[0023]进一步地，所述相机内参和所述径向畸变参数分别为：
[0024][0025]式中f是工业相机焦距，dx是像素横向比例，dy是像素纵向比例，u0、v0是图像的主点坐标。
[0026]进一步地，所述第二变换矩阵为：
[0027][0028]式中R是棋盘格坐标系到相机坐标系的旋转变换，t是棋盘格坐标系到相机坐标系的平移矢量。
[0029]进一步地，所述第三变换矩阵为：
[0030]T
obj2camera
＝T
board2camera
·
T
board2obj-1
[0031]进一步地，所述采样点物体坐标值为：
[0032][0033]式中是第i个采样点在物体坐标系的坐标值。
[0034]进一步地，所述采样相机坐标值为：
[0035][0036]式中是使用所述第三变换矩阵得到的第i个采样点在相机坐标系的坐标值。
[0037]进一步地，所述采样估计坐标值为：
[0038][0039]式中是使用位姿估计方法所得的变换矩阵计算的第i个采样点在相机坐标系的坐标值。
[0040]进一步地，所述位姿估计精度指标的计算公式为：
[0041][0042]式中P
cami
分别是第i个采样点的采样估计坐标值和采样相机坐标值。
[0043]与现有技术相比，本专利技术至少具有如下有益技术效果：
[0044]1、可以在低成本条件下获取物体在相机坐标系下的姿态信息；
[0045]2、在计算物体的位姿过程中直接使用棋盘格到相机的坐标变换，避免了机器人运动误差和其他现有方法中的其他误差；
[0046]3、本专利技术为物体位姿估计提供了真实场景下的标签，为物体位姿估计的真实数据集的建立和位姿估计的评价提供基础。
[0047]以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。
附图说明
[0048]图1是本专利技术的一个较佳实施例的流程图；
[0049]图2是本专利技术的一个较佳实施例的CAD模型示意图；
[0050]图3是本专利技术的一个较佳实施例的物体轮廓模板示意图；
[0051]图4是本专利技术的一个较佳实施例的物体轮廓模板和棋盘格标定板的对齐示意图；
[0052]图5是本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于棋盘格标定板的物体3D位姿标签获取方法，其特征在于，包括如下步骤：步骤1、建立物体的CAD模型；步骤2、将CAD模型等比例投影得到物体轮廓模板；步骤3、将所述物体轮廓模板和棋盘格标定板原点对齐；步骤4、计算物体坐标系到棋盘格坐标系的变换矩阵，得到第一变换矩阵；步骤5、将物体和棋盘格放置在模板上，标定相机外参、相机内参和径向畸变参数；步骤6、移动相机使物体与棋盘格同时在相机视野内，获取单幅图片；步骤7、使用所述径向畸变参数修正所述单幅图片，计算棋盘格坐标系到相机坐标系的变换矩阵，得到第二变换矩阵；步骤8、根据所述第一变换矩阵和所述第二变换矩阵，计算物体坐标系到相机坐标系的变换矩阵，得到第三变换矩阵；步骤9、采样所述CAD模型，得到采样点在物体坐标系下的坐标值，为采样物体坐标值，使用所述第三变换矩阵，计算采样点在相机坐标系下的坐标值，得到采样相机坐标值；步骤10、利用物体位姿估计方法得到物体在相机坐标系下的位姿估计值，计算所述采样点在相机坐标系下的坐标值，得到采样估计坐标值，与所述采样相机坐标值对比，得到位姿估计精度指标。2.如权利要求1所述的基于棋盘格标定板的物体3D位姿标签获取方法，其特征在于，所述步骤3包括：在所述物体轮廓模板中选取模板特征点，将所述模板特征点与棋盘格标定板原点对齐，计算所述模板特征点的偏移量。3.如权利要求1所述的基于棋盘格标定板的物体3D位姿标签获取方法，其特征在于，所述第一变换矩阵为：式中x
f
、y
f
、z
f
为所述模板特征点在物体坐标系下的坐标值，Δx、Δy是所述模板特征点到棋盘格标定板原点的偏移量，Δh是高精...

【专利技术属性】
技术研发人员：庄春刚，熊振华，朱向阳，雷海波，王合胜，王浩宇，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：