基于单目相机的两阶段物体六自由度位姿估计方法技术

基于单目相机的两阶段物体六自由度位姿估计方法，解决了如何实现对弱纹理工业零件进行高精度高效率位姿估计的问题，属于单目相机位姿估计技术领域。本发明专利技术为一个由粗到精的两阶段位姿估计方法。粗位姿估计网络基于掩码特征和2D位置特征融合粗略的估计了六自由度的位姿值，粗位姿估计阶段提供了位姿精确估计的初始值，避免了位姿精确估计算法优化过程陷入局部最优值。精确位姿估计网络引入动态蛇形卷积层构建物体轮廓特征提取网络，提高轮廓特征生成质量，并对背景轮廓进行滤除。通过可微的高斯‑牛顿优化方法，在多个尺度上迭代优化，最小化投影轮廓与物体轮廓的重投影误差，实现精确的位姿估计。

【技术实现步骤摘要】

本专利技术涉及一种基于单目相机的两阶段物体六自由度位姿估计方法，属于单目相机位姿估计。

技术介绍

1、弱纹理零件的位姿估计是一个具有挑战性的任务，主要因为弱纹理零件的表面特征不明显，光照条件的变化以及实际应用场景中的遮挡和干扰都会影响位姿估计的准确性。

2、针对弱纹理零件的位姿估计，目前主要有两种方法：基于深度学习的位姿估计方法和基于特征匹配的位姿估计方法。基于深度学习的方法利用深度神经网络对图像进行学习，从而得到物体的位姿信息，但这种方法需要大量的标注数据进行训练，算法开销大。基于深度学习的位姿估计算法实时性上有了显著提升，但由于工业零件的弱纹理特性，造成估计精度低。

技术实现思路

1、针对如何实现对弱纹理工业零件进行高精度高效率位姿估计的问题，本专利技术提供一种基于单目相机的两阶段物体六自由度位姿估计方法。

2、本专利技术的一种基于单目相机的两阶段物体六自由度位姿估计方法，包括：

3、将待测物体的单目相机rgb图像同时输入粗位姿估计网络和精确位姿估计网络；

本文档来自技高网...

【技术保护点】

1.基于单目相机的两阶段物体六自由度位姿估计方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于单目相机的两阶段物体六自由度位姿估计方法，其特征在于，根据ROI池化后的特征和尺度256的2D位置特征编码利用位置感知状态空间网络进行特征嵌入融合，得到融合后特征；

3.根据权利要求1所述的基于单目相机的两阶段物体六自由度位姿估计方法，其特征在于，精确位姿估计网络包括线对应模型模板库、KNN网络、边缘概率图预测模块、轮廓特征提取网络和可微牛顿优化模块；

4.根据权利要求3所述的基于单目相机的两阶段物体六自由度位姿估计方法，其特征在于，轮廓特征提取网...

【技术特征摘要】

1.基于单目相机的两阶段物体六自由度位姿估计方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于单目相机的两阶段物体六自由度位姿估计方法，其特征在于，根据roi池化后的特征和尺度256的2d位置特征编码利用位置感知状态空间网络进行特征嵌入融合，得到融合后特征；

3.根据权利要求1所述的基于单目相机的两阶段物体六自由度位姿估计方法，其特征在于，精确位姿估计网络包括线对应模型模板库、knn网络、边缘概率图预测模块、轮廓特征提取网络和可微牛顿优化模块；

4.根据权利要求3所述的基于单目相机的两阶段物体六自由度位姿估计方法，其特征在于，轮廓特征提取网络为基于动态蛇形卷积的轮廓特征提取网络，包括5个编码器、5个解码器、10个瓶颈层、1个标准二维卷积层、5个二维转置卷积层和4个蛇形卷积层；

5.根据权利要求3所述的基于单目相机的两阶段物体六自由度位姿估计方法，其特征在于，所述编码器为预训练的mobilenetv2。

6.根据权利要求3所述的...

【专利技术属性】
技术研发人员：陈凤东，李波，陈冠华，肖明辉，贺高杰，刘国栋，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：