【技术实现步骤摘要】
本申请涉及计算机视觉，尤其涉及一种基于双目视觉平台的目标姿态估计方法。
技术介绍
1、随着计算机视觉技术的发展，目标姿态估计的应用越来越广泛。在军事领域，目标姿态估计技术可支撑针对蛙人目标的识别与意图判断，从而提高目标态势感知能力。
2、姿态估计一般分为两部分，分别为关键点的检测和关键点的三维重建。关键点的检测往往依赖于深度学习神经网络，但目前现有的关键点检测网络主要考虑网络的特征提取能力和网络模型的泛化能力，鲜有检测网络关注目标尺度变化对检测结果的影响问题。但在目标关键点识别过程中，视频流中的目标物体在较多工况下尺度变化幅度较大，降低了识别的精度，因此需要设计一种网络结构有效应对目标物体的尺度变化对检测精度带来的负面影响。
3、基于双目摄像头的三维重建基本采用传统数学建模的方式完成关键点三维姿态估计。双目立体视觉系统可由两个摄像机左右排列组成，通过观察同一个物体，能够获得两个不同视角的图像，再通过使用三角法，获得物体明显的深度感，完成重建。重建的精度主要取决于左目右目关键点检测的检测精度和匹配精度，现有重建方式鲜有考虑匹配精度问题，因此，需要设计关键点匹配算法完成左目-右目的关键点匹配筛选任务，完成重建。
技术实现思路
1、本专利技术的目的是提供一种基于双目视觉平台的目标姿态估计方法，以解决上述问题。
2、本专利技术实施例提供一种基于双目视觉平台的目标姿态估计方法，所述方法包括：
3、步骤1，完成目标物体的关键点检测；
5、在一些实施例中，所述步骤1，完成目标物体的关键点检测，包括：
6、步骤1.1，完成数据集采集制作；
7、步骤1.2，设计基于多分辨率融合的关键点检测网络编码器部分；
8、步骤1.3，设计基于多分辨率融合的关键点检测网络解码器部分；
9、步骤1.4，完成目标的关键点检测模型训练；
10、步骤1.5，优化模型推理速度。
11、在一些实施例中，所述步骤1.1，完成数据集采集制作，包括：
12、使用相机对需完成关键点识别的物体进行多角度、多尺度的数据采集，完成关键点的人工标注。
13、在一些实施例中，所述步骤1.2，设计基于多分辨率融合的关键点检测网络编码器部分，包括：
14、在编码器中，首先通过卷积操作将输入图像转化为1/4特征图；
15、第1阶段产生两个分辨率通道，分别为1/4尺寸和1/8尺寸，每个通道连接4个残差块，以加强特征提取；
16、第2阶段产生三个分辨率通道，在第1阶段保留的两个通道上增加一个较小的1/16尺寸通道；
17、第3阶段在第2阶段的基础上增加第四个通道，即分辨率为1/32的通道，四种分辨率的卷积宽度分别为c、2c、4c和8c，其中c为1/4特征图的宽度；
18、最后，将四个通道的特征图融合为编码器的输出和解码器的输入；
19、在编码器的过程中，充分完成多尺度特征融合，提升模型尺度适应性。
20、在一些实施例中，所述步骤1.3，设计基于多分辨率融合的关键点检测网络解码器部分，包括：
21、解码器由两部分组成，每一部分对应用于计算最终检测结果的两个输出；
22、使用双线性插值法将两个输出上采样到编码器输入图像的分辨率，并对所有尺度的热图进行平均，以进行最终的关键点预测；
23、合并后的热图用于预测关键点坐标和计算置信度；
24、整个网络最后的输出是关键点坐标和关键点检测置信度组合而成的一个矩阵。
25、在一些实施例中，所述步骤1.4，完成目标的关键点检测模型训练，包括：
26、使用标注的数据集进行神经网络训练；
27、设置训练参数，包括迭代次数、学习率，当损失函数成功收敛，则得到关键点检测模型；
28、使用测试集进行测试，当测试评价值高于设定阈值时，认为模型训练成功。
29、在一些实施例中，所述步骤1.5，优化模型推理速度，包括：
30、使用加速推理模型框架优化训练模型，优化神经网络计算，生成轻量级运行引擎，以此来完成实时推理任务。
31、在一些实施例中，所述步骤2，完成目标的三维姿态估计，包括：
32、步骤2.1，设计左目-右目关键点筛选匹配算法；
33、步骤2.2，设计关键点三维姿态估计算法。
34、在一些实施例中，所述步骤2.1，设计左目-右目关键点筛选匹配算法，包括：
35、所述左目-右目关键点筛选匹配算法包括：
36、目标框检测过程，通过目标检测的算法完成关键点位置分布区域信息；
37、关键点匹配。
38、在一些实施例中，所述步骤2.2，设计关键点三维姿态估计算法，包括：
39、在空间随机初始化一个三维点，与前文反向转换，将这个三维点投影到二维平面上，二维平面出现了一个投影点和一个检测的关键点，这二者之间的距离如果能够优化到最小，那么投影的三维点就是能够保证两条连线在空间相交的最优解，使用l-m方法完成姿态解算，获得关键点的三维姿态。
40、本专利技术的有益效果主要体现在能够使得关键点检测的检测能力在目标尺度变化较大的情况下保证检测能力，并且经过推理框架优化，能够达到实时检测。其次，设计了左目-右目关键点匹配筛选算法，能够复核筛选关键点检测正确性，选取检测正确的关键点完成三维重建。
本文档来自技高网...【技术保护点】
1.一种基于双目视觉平台的目标姿态估计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1，完成目标物体的关键点检测，包括：
3.根据权利要求2所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1.1，完成数据集采集制作，包括：
4.根据权利要求2所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1.2，设计基于多分辨率融合的关键点检测网络编码器部分，包括：
5.根据权利要求2所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1.3，设计基于多分辨率融合的关键点检测网络解码器部分，包括：
6.根据权利要求2所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1.4，完成目标的关键点检测模型训练，包括：
7.根据权利要求2所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1.5，优化模型推理速度，包括：
8.根据权利要求1所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述
9.根据权利要求8所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤2.1，设计左目-右目关键点筛选匹配算法，包括：
10.根据权利要求8所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤2.2，设计关键点三维姿态估计算法，包括：
...【技术特征摘要】
1.一种基于双目视觉平台的目标姿态估计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1，完成目标物体的关键点检测，包括：
3.根据权利要求2所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1.1，完成数据集采集制作，包括：
4.根据权利要求2所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1.2，设计基于多分辨率融合的关键点检测网络编码器部分，包括：
5.根据权利要求2所述的基于双目视觉平台的目标姿态估计方法，其特征在于，所述步骤1.3，设计基于多分辨率融合的关键点检测网络解码器部分，包括：
6...
【专利技术属性】
技术研发人员：郭晓雯，李凌昊，程骏超，许芳，陈岳红，刘畅，郭浩，褚蓬瑛，
申请(专利权)人：中船智海创新研究院有限公司，
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。