【技术实现步骤摘要】
本公开涉及3d视觉、机器人等，本公开尤其涉及一种位姿估计模型配置方法、位姿估计方法、装置、电子设备及存储介质。
技术介绍
1、随着机器视觉技术的不断发展，大量的工业场景中采用视觉传感器作为主要的感知元件。
2、2d视觉已经逐渐成熟稳定，在图像识别、人脸识别、目标检测、文字识别、缺陷检测等领域具有很好的应用效果。但由于2d视觉无法获取对象的空间坐标信息，在一些需要立体信息的应用场景中具有一定的局限性，例如机器人导航、虚拟现实、三维重建等应用场景。
3、3d视觉可以直接获取物体的深度信息(深度图像或点云)，能够对无纹理和存在遮挡的物体进行识别。在机器人和3d视觉结合的应用领域，利用点云数据进行姿态估计是一项常见的任务。在一些任务中需要根据物体的三维模型确定物体在真实的环境中的位姿。实际场景通常涉及具有不同形状的不同物体，因此需要位姿估计算法能够适用于不同形状和大小的物体。
4、在机器人
，利用点云数据进行姿态估计是一项常见的任务。由于实际场景通常涉及具有不同形状的不同物体，需要位姿估计算法进行相应的调整。相关技术已经提出了许多基于点云数据的姿态估计算法。然而，这些算法的效率在很大程度上取决于其参数的配置，需要对不同的对象进行特定的调整。这种固有的约束削弱了姿态估计算法的整体适应性。
技术实现思路
1、本公开提供了一种位姿估计模型配置方法、位姿估计方法、装置、电子设备及存储介质。
2、根据本公开的一个方面，提供一种位姿估计模型配置方法
3、根据本公开的至少一个实施方式的位姿估计模型配置方法，所述目标函数模型包括基于所述位姿比较数据获取位姿差异的位姿差异获取模块及基于所述位姿差异生成无效位姿惩罚项的位姿惩罚项获取模块，所述目标函数模型基于所述位姿差异及所述无效位姿惩罚项计算所述目标函数值。
4、根据本公开的至少一个实施方式的位姿估计模型配置方法，获取目标物体在目标场景中的真实位姿数据集，包括：获取配置有目标物体的目标场景的三维图像数据以获得三维图像数据集；基于所述三维图像数据集获取所述目标物体的真实位姿数据集。
5、根据本公开的至少一个实施方式的位姿估计模型配置方法，基于位姿估计模型的模型参数组集合获取所述目标物体在所述目标场景中的估计位姿数据集，包括：从位姿估计模型的参数搜索空间中进行模型参数组采样，获得模型参数组集合；以及基于模型参数组对所述三维图像数据集中的目标物体进行位姿估计，获得模型参数组对应的估计位姿数据集。
6、根据本公开的至少一个实施方式的位姿估计模型配置方法，对所述估计位姿数据集和所述真实位姿数据集进行比较，获得位姿比较数据，包括：基于估计位姿数据集中的估计位姿数据与真实位姿数据集中的对应的真实位姿数据获得各个估计位姿数据与其对应的真实位姿数据的位姿误差；以及获得所述位姿误差的集合并作为所述位姿比较数据；其中，估计位姿数据集中的估计位姿数据与其对应的真实位姿数据基于所述三维图像数据集中相同的三维图像数据获得。
7、根据本公开的至少一个实施方式的位姿估计模型配置方法，基于所述位姿比较数据及目标函数模型计算目标函数值，包括：基于所述位姿误差的集合中的位姿误差获得所述位姿差异以用于计算所述目标函数值。
8、根据本公开的至少一个实施方式的位姿估计模型配置方法，所述估计位姿数据与其对应的真实位姿数据的位姿误差通过以下方法获得：计算估计位姿数据与其对应的真实位姿数据的位置误差和旋转误差；以及基于所述位置误差和所述旋转误差获得所述位姿误差。
9、根据本公开的至少一个实施方式的位姿估计模型配置方法，基于所述位姿比较数据及目标函数模型计算目标函数值，包括：判断估计位姿数据与其对应的真实位姿数据的所述位姿误差是否大于或大于等于位姿误差阈值；如果是，则将所述位姿误差计入所述位姿差异，如果否，则不计入所述位姿差异并且调增所述无效位姿惩罚项；以及基于所述位姿差异与所述无效位姿惩罚项计算所述目标函数值。
10、根据本公开的至少一个实施方式的位姿估计模型配置方法，从位姿估计模型的参数搜索空间中进行模型参数组采样，获得模型参数组集合，包括：基于第1个模型参数组至第n个模型参数组的模型参数从所述参数搜索空间中获得第n+1个模型参数组的模型参数，获得n个模型参数组，其中，n为大于等于1的自然数，n为模型参数组的总数。
11、根据本公开的至少一个实施方式的位姿估计模型配置方法，基于模型参数组对所述三维图像数据集中的目标物体进行位姿估计，获得模型参数组对应的估计位姿数据集，包括：基于各模型参数组的采集顺序依次地对所述三维图像数据集中的目标物体进行位姿估计，获得各模型参数组对应的估计位姿数据集。
12、根据本公开的至少一个实施方式的位姿估计模型配置方法，还包括：对获得的第n+1个模型参数组进行参数特征判断，并基于判断结果保留所述第n+1个模型参数组或舍弃所述第n+1个模型参数组。
13、根据本公开的至少一个实施方式的位姿估计模型配置方法，预先配置采样算法集合和修剪算法集合，从采样算法集合和修剪算法集合中调取采样算法和修剪算法以执行模型参数组采样及参数特征判断，获得多个模型参数组集合，以用于实现基于不同模型参数组集合获得所述位姿估计模型的最优模型参数组。
14、根据本公开的至少一个实施方式的位姿估计模型配置方法，所述三维图像数据为点云数据。
15、根据本公开的另一个方面，提供一种位姿估计方法，包括：使用本公开任一个实施方式的位姿估计模型配置方法配置的位姿估计模型对配置有目标物体的目标场景的三维图像数据进行位姿估计，获得所述目标物体的位姿。
16、根据本公开的又一个方面，提供一种位姿估计模型配置装置，包括：真实位姿数据集获取模块，所述真实位姿数据集获取模块获取目标物体在目标场景中的真实位姿数据集；位姿估计模型，所述位姿估计模型基于模型参数组集合获取所述目标物体在所述目标场景中的估计位姿数据集；位姿比较数据获取模块，所述位姿比较数据获取模块对所述估计位姿数据集和所述真实位姿数据集进行比较，获得位姿比较数据；以及最优模型参数组获取模块，所述最优模型参数组获取模块包括目标函数模型，所述目标函数模型基于所述位姿比较数据计算目标函数值，所述最优模型参数组获取模块获取目标函数值最小值对应的模型参数组以作为所述位姿估计模型的最优模型参数组以用于对所述位姿估计模型进行配置。
17、根据本公开的又一个方面，提供一种位姿估计装置，所述位姿估计装置用于对配置有目标物体本文档来自技高网...
【技术保护点】
1.一种位姿估计模型配置方法，其特征在于，包括：
2.根据权利要求1所述的位姿估计模型配置方法，其特征在于，所述目标函数模型包括基于所述位姿比较数据获取位姿差异的位姿差异获取模块及基于所述位姿差异生成无效位姿惩罚项的位姿惩罚项获取模块，所述目标函数模型基于所述位姿差异及所述无效位姿惩罚项计算所述目标函数值。
3.根据权利要求2所述的位姿估计模型配置方法，其特征在于，获取目标物体在目标场景中的真实位姿数据集，包括：
4.根据权利要求3所述的位姿估计模型配置方法，其特征在于，基于位姿估计模型的模型参数组集合获取所述目标物体在所述目标场景中的估计位姿数据集，包括：
5.根据权利要求1至4中任一项所述的位姿估计模型配置方法，其特征在于，对所述估计位姿数据集和所述真实位姿数据集进行比较，获得位姿比较数据，包括：
6.一种位姿估计方法，其特征在于，包括：
7.一种位姿估计模型配置装置，其特征在于，包括：
8.一种位姿估计装置，其特征在于，所述位姿估计装置用于对配置有目标物体的目标场景的三维图像数据进行位姿估计
9.一种电子设备，其特征在于，包括：
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现权利要求1至5中任一项所述的位姿估计模型配置方法和/或实现权利要求6所述的位姿估计方法。
...【技术特征摘要】
1.一种位姿估计模型配置方法，其特征在于，包括：
2.根据权利要求1所述的位姿估计模型配置方法，其特征在于，所述目标函数模型包括基于所述位姿比较数据获取位姿差异的位姿差异获取模块及基于所述位姿差异生成无效位姿惩罚项的位姿惩罚项获取模块，所述目标函数模型基于所述位姿差异及所述无效位姿惩罚项计算所述目标函数值。
3.根据权利要求2所述的位姿估计模型配置方法，其特征在于，获取目标物体在目标场景中的真实位姿数据集，包括：
4.根据权利要求3所述的位姿估计模型配置方法，其特征在于，基于位姿估计模型的模型参数组集合获取所述目标物体在所述目标场景中的估计位姿数据集，包括：
5.根据权利要求1至4中任一项所述的位姿估计模型配置方法，...
【专利技术属性】
技术研发人员：牛群，赵杰亮，李宏坤，樊钰，
申请(专利权)人：北京迁移科技有限公司，
类型：发明
国别省市：
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。