CN110503689B - 位姿预测方法、模型训练方法及装置 - Google Patents

位姿预测方法、模型训练方法及装置 Download PDF

Info

Publication number
CN110503689B
CN110503689B CN201910815666.5A CN201910815666A CN110503689B CN 110503689 B CN110503689 B CN 110503689B CN 201910815666 A CN201910815666 A CN 201910815666A CN 110503689 B CN110503689 B CN 110503689B
Authority
CN
China
Prior art keywords
image
network
training
target
target object
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910815666.5A
Other languages
English (en)
Other versions
CN110503689A (zh
Inventor
季向阳
李志刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201910815666.5A priority Critical patent/CN110503689B/zh
Priority to PCT/CN2019/106136 priority patent/WO2021035833A1/zh
Priority to DE112019007677.9T priority patent/DE112019007677T5/de
Publication of CN110503689A publication Critical patent/CN110503689A/zh
Priority to US17/679,142 priority patent/US11461925B2/en
Application granted granted Critical
Publication of CN110503689B publication Critical patent/CN110503689B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种姿态预测方法、模型训练方法及装置，姿态预测方法包括对待预测的第一图像进行目标识别，确定出目标物体所在区域；根据目标物体所在区域，确定目标图像；将目标图像输入姿态解耦预测模型，进行姿态预测；分别根据姿态解耦预测模型的旋转量分支网络的输出结果和平移量分支网络的输出结果，确定目标物体的旋转量和平移量。通过对物体姿态中的旋转和平移进行解耦，根据本公开实施例的姿态预测方法、模型训练方法及装置能够提高姿态预测的准确性。

Description

位姿预测方法、模型训练方法及装置
技术领域
本公开涉及计算机视觉领域，尤其涉及一种姿态预测方法、模型训练方法及装置。
背景技术
物体姿态估计在机器人作业、自动驾驶、增强现实等方面起着至关重要的作用。物体姿态估计指的是从图片中准确估计出目标物体相对相机的姿态信息。姿态信息通常包括旋转量和平移量，其中旋转量可以表示相机坐标系相对于目标物体坐标系的旋转关系，平移量可以表示相机坐标系原点相对于目标物体坐标系原点的平移信息。
物体姿态估计很容易受到遮挡、光照变化、物体具有的对称性等因素的影响，准确估计出相机相对于目标物体的旋转量和平移量具有很大的挑战性。相关技术中，难以同时对旋转量和平移量达到高准确率的估计。
发明内容
有鉴于此，本公开提出了一种姿态预测方法、模型训练方法及装置。
根据本公开的第一方面，提供了一种姿态预测方法，所述方法包括：对待预测的第一图像进行目标识别，确定出目标物体所在区域；根据所述目标物体所在区域，确定目标图像；将所述目标图像输入姿态解耦预测模型，进行姿态预测，所述姿态解耦预测模型包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述目标图像提取特征，所述旋转量分支网络用于根据所述特征对所述目标物体的旋转量进行预测，所述平移量分支网络用于根据所述特征对所述目标物体的平移量进行预测；分别根据所述旋转量分支网络的输出结果和所述平移量分支网络的输出结果，确定所述目标物体的旋转量和平移量。
根据本公开的第二方面，提供了一种模型训练方法，所述方法包括：对待训练的第三图像进行目标识别，确定出训练物体所在区域；对所述训练物体所在区域增加尺度扰动和位置扰动，得到扰动后的物体区域；从所述第三图像中截取扰动后的物体区域，得到第四图像；在保持训练物体长宽比例不变的情况下，将所述第四图像的尺寸变换至姿态解耦预测模型输入所需的尺寸，得到训练图像；将所述训练图像作为所述姿态解耦预测模型的输入，以训练所述姿态解耦预测模型。
根据本公开的第三方面，提供了一种姿态预测装置，所述装置包括：第一确定模块，用于对待预测的第一图像进行目标识别，确定出目标物体所在区域；第二确定模块，用于根据所述目标物体所在区域，确定目标图像；输入模块，用于将所述目标图像输入姿态解耦预测模型，进行姿态预测，所述姿态解耦预测模型包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述目标图像提取特征，所述旋转量分支网络用于根据所述特征对所述目标物体的旋转量进行预测，所述平移量分支网络用于根据所述特征对所述目标物体的平移量进行预测；第三确定模块，用于分别根据所述旋转量分支网络的输出结果和所述平移量分支网络的输出结果，确定所述目标物体的旋转量和平移量。
根据本公开的第四方面，提供了一种模型训练装置，所述装置包括：第一确定模块，用于对待训练的第三图像进行目标识别，确定出训练物体所在区域；扰动模块，用于对所述训练物体所在区域增加尺度扰动和位置扰动，得到扰动后的物体区域；截取模块，用于从所述第三图像中截取扰动后的物体区域，得到第四图像；变换模块，用于在保持训练物体长宽比例不变的情况下，将所述第四图像的尺寸变换至姿态解耦预测模型输入所需的尺寸，得到训练图像；输入模块，用于将所述训练图像作为所述姿态解耦预测模型的输入，以训练所述姿态解耦预测模型。
根据本公开的第五方面，提供了一种姿态预测装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述第一方面的方法。
根据本公开的第六方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述第一方面的方法。
根据本公开的第七方面，提供了一种姿态预测装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述第二方面的方法。
根据本公开的第八方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述第二方面的方法。
在本公开实施例中，通过姿态解耦预测模型的旋转量分支网络和平移量分支网络可以分别对目标物体的旋转量和平移量进行预测，这实现了物体姿态中旋转和平移的解耦，有利于针对物体姿态中旋转和平移具有的性质，采用不同的策略对旋转量和平移量进行预测，从而同时对旋转量和平移量达到高准确率的估计，提高姿态预测的准确性。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的姿态预测网络的结构示意图。
图2示出根据本公开一实施例的姿态预测方法的流程图。
图3示出根据本公开一实施例的姿态解耦预测模型的一个示例。
图4示出根据本公开一实施例的模型训练方法的流程图。
图5示出根据本公开一实施例的姿态预测装置的框图。
图6示出根据本公开一实施例的模型训练装置的框图。
图7是根据一示例性实施例示出的一种用于姿态预测和模型训练的装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
物体姿态估计方法可以分为间接法和直接法两大类。在直接法中，预测模型直接从图像中预测物体的姿态信息，这种方法无需已知物体的三维模型信息，能够快速估计物体姿态。直接法能够得到较为准确的平移量，但是对物体和相机之间的旋转量的预测不够准确。在间接法中，首先需要建立二维图像和三维物体模型之间的对应关系，然后通过几何法(比如PnP算法等)对对应关系进行求解，得到物体的姿态信息。间接法能够得到较为准确旋转量，但是对物体和相机之间的平移量的预测不够准确。
在本公开实施例中，考虑到物体姿态中旋转和平移在性质上存在较大的差异(比如：平移量的预测主要根据物体在图像中的位置和大小，而旋转量的预测主要依赖于图像中的物体的外观)，提出了一种物体姿态解耦预测模型和基于该物体姿态解耦预测模型的姿态预测方法，在该姿态预测方法中将物体姿态中的旋转和平移区别对待，分别针对旋转量和平移量选取合适的方法进行估计，从而提升姿态预测的准确性。
图1示出根据本公开一实施例的姿态预测网络的结构示意图。如图1所示，该姿态预测网络可以包括物体检测器和姿态解耦预测模型。其中，姿态解耦预测模型可以包括基础网络、旋转量分支网络和平移量分支网络。
物体检测器用于检测输入的图像中目标物体所在的区域，物体检测器可以为任何能够对目标物体进行识别的网络，对此本公开不做限制。
基础网络用于从输入的图像中提取特征，基础网络可以为任何能够从图像中提取特征的网络，对此本公开不做限制。
在一种可能的实现方式中，基础网络可以包括第一基础网络和第二基础网络(未示出)，第一基础网络可以从输入的图像中提取第一特征，第二基础网络可以从输入的图像中提取第二特征。终端可以将第一特征输入旋转量分支网络，以使旋转量分支网络根据第一特征对目标物体的旋转量进行预测。终端可以将第二特征输入平移量分支网络，以使平移量分支网络根据第二特征对目标物体的旋转量进行预测。第一基础网络和第二基础网络的网络结构可以相同也可以不同，对此本公开不做限制。在一个示例中，第一基础网络可以提取图像中的物体的外观特征作为第一特征，第二基础网络物体可以提取物体在图像中的位置特征和尺寸特征作为第二特征。这样，通过将拆分后的基础网络分别进行特征提取，有利于后续旋转量分支网络和平移量分支网络根据特征进行预测。
旋转量分支网络用于根据基础网络提取的特征对目标物体的旋转量进行预测。在本公开实施例中，采用间接法预测物体的旋转量。如前所述，间接法需要建立二维图像和三维模型之间的对应关系，再对该对应关系进行求解，以得到目标物体的旋转量R。
在一种可能的实现方式中，旋转量分支网络可以针对输入图像中的每一个属于目标物体的像素，预测其对应的物体模型上的点的三维坐标值(称为物体三维坐标预测法)，从而建立图像和物体模型之间的对应关系。
在一种可能的实现方式中，可以先在物体模型上定义若干个关键点，然后采用旋转量分支网络预测这些关键点在物体模型对应的输入图像中的位置信息(称为物体关键点检测法)，从而建立图像和物体模型之间的对应关系。
旋转量分支网络的结构与建立图像和物体模型之间的对应关系的方法相适应。
平移量分支网络用于根据基础网络提取的特征对目标物体的平移量进行预测。在本公开实施例中，采用直接法预测物体的平移量。如前所示，直接法可以根据平移量分支网络的输出结果确定平移量T。
图2示出根据本公开一实施例的姿态预测方法的流程图。该方法可以由诸如笔记本、计算机或者个人助理等终端执行，该方法可以应用于图1所示的姿态预测网络中。如图1所示，该方法可以包括：
步骤S11，对待预测的第一图像进行目标识别，确定出目标物体所在区域。
步骤S12，根据所述目标物体所在区域，确定目标图像。
步骤S13，将所述目标图像输入姿态解耦预测模型，进行姿态预测，所述姿态解耦预测模型包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述目标图像提取特征，所述旋转量分支网络用于根据所述特征对所述目标物体的旋转量进行预测，所述平移量分支网络用于根据所述特征对所述目标物体的平移量进行预测。
步骤S14，分别根据所述旋转量分支网络的输出结果和所述平移量分支网络的输出结果，确定所述目标物体的旋转量和平移量。
在本公开实施例中，通过姿态解耦预测模型的旋转量分支网络和平移量分支网络可以分别对目标物体的旋转量和平移量进行预测，这实现了物体姿态中旋转和平移的解耦，有利于针对物体姿态中旋转和平移具有的性质，采用不同的策略对旋转量和平移量进行预测，从而同时对旋转量和平移量达到高准确率的估计，提高姿态预测的准确性。
在步骤S11中，第一图像表示待预测物体姿态的图像，第一图像中包括待预测姿态的目标物体。终端可以将第一图像输入图1所示的物体检测器，对第一图像进行目标识别，得到第一图像中目标物体所在的区域。在本公开实施例中，目标物体所在区域为一个矩形。在一个示例中，可以采用目标物体所在区域的中心C在第一图像中的像素坐标(Cx，Cy)和目标物体所在区域的最大尺寸S来表示目标物体所在区域，其中S＝max(h，w)，h为目标物体所在区域的高，w为目标物体所在区域的宽。
在步骤S12中，终端可以根据目标物体所在区域，确定目标图像。由于目标图像需要输入后续使用的姿态解耦预测模型来预测旋转链和平移量。因此，目标图像的尺寸应与姿态解耦预测模型的输入所需的尺寸一致。
在一种可能的实现方式中，终端可以从第一图像中截取目标物体所在区域，得到第二图像；在保持目标物体长宽比例不变的情况下，将第二图像的尺寸变换至姿态解耦预测模型输入所需的尺寸，得到目标图像。
需要说明的是，终端可以根据需要在缩放后的图像周围进行补0，从而到的目标图像。
在步骤S13中，终端可以将步骤S12中获取的目标图像输入姿态解耦预测模型。具体的，终端可以将目标图像输入姿态解耦预测模型的基础网络，由基础网络从目标图像中提取特征；之后，终端可以将该特征分别作为旋转量分支网络和平移量分支网络的输入，以便于终端在步骤S14中根据旋转量分支网络和平移量分支网络的输出结果，分别对目标物体的旋转和和平移量分别进行预测。
在一种可能的实现方式中，旋转量分支网络的输出结果可以包括三通道的物体坐标图和一通道的物体分割图，所述物体坐标图的三个通道分别代表预测的目标物体在三维坐标系中所在位置的三个维度的坐标值，所述物体分割图用于从所述目标图像中分割出所述目标物体。
其中，三个维度的坐标值表示三维坐标系中x轴、y轴和z轴的坐标值。物体分割图可以为一个二值图，举例来说，像素值为0的位置表示该位置的像素属于目标物体，像素值为255的位置表示该位置的像素不属于目标物体。
在一种可能的实现方式中，步骤S14中根据旋转量分支网络的输出结果确定所述目标物体的旋转量可以包括：根据所述物体坐标图、所述物体分割图和所述目标物体所在区域在第一图像中的像素坐标，确定所述目标物体的旋转量。
图3示出根据本公开一实施例的姿态解耦预测模型的一个示例。如图3所示，基础网络采用34层的残差卷积神经网络(ResNet34)；旋转量分支网络包括三个特征处理模块和一个卷积输出层，每一个特征处理模块包括一个反卷积层和两个卷积层；平移量分支网络由六个卷积层和三个全连接层堆叠而成。其中，旋转量分支网络的特征处理模型中，反卷积层能够放大特征的分辨率，卷积层能够对特征进行处理。
如图3所示，终端将三通道256*256的目标图像输入34层的残差卷积神经网络，得到512通道8*8的特征。然后终端将该特征输入旋转量分支网络。旋转量分支网络输出三通道64*64的物体坐标图为
Figure GDA0002354989960000081
和一通道64*64的物体分割图为
Figure GDA0002354989960000082
其中，物体坐标图
Figure GDA0002354989960000083
的三个通道分别表示预测到的目标物体在三维坐标系中x轴、y轴和z轴的坐标值。之后，如图1所示，终端可以根据物体分割图
Figure GDA0002354989960000084
找到物体坐标图
Figure GDA0002354989960000085
中目标物体所在区域，将该区域中的每个像素对应到第一图像中，从而建立目标物体在第一图像中的像素坐标和目标物体的三维坐标的对应关系。最后，终端可以采用PnP算法等几何法对对应关系进行求解，从而得到目标物体的旋转量R。
由于间接法能够得到较为准确的旋转量，因此根据本公开实施例的姿态预测方法相较于统一采用直接法确定旋转量和平移量的方法，提高了预测旋转量的准确性。
在一种可能的实现方式中，平移量分支网络的输出结果包括尺度不变平移量，所述尺度不变平移量为目标图像中目标物体的中心相对于目标图像中心的平移量，所述尺度不变平移量包括三个维度。
在一种可能的实现方式中，根据所述平移量分支网络的输出结果确定所述目标物体的平移量可以包括：根据所述尺度不变平移量、所述目标物体所在区域的中心在第一图像中的像素坐标和尺寸以及相机的参数信息，确定所述目标物体的平移量。
如图3所示，终端将目标图像输出的512通道8*8的特征输入平移量分支网络。平移量分支网络输出尺度不变平移量Ts，所述尺度不变平移量Ts为目标图像中目标物体的中心相对于目标图像中心的平移量，该尺度不变平移量Ts包括
Figure GDA0002354989960000091
和
Figure GDA0002354989960000092
三个维度，尺度不变平移量Ts定义如公式(1)所示：
Figure GDA0002354989960000093
其中，Ox和Oy表示目标物体的中心在第一图像中的真实像素坐标，Cx和Cy表示目标物体所在区域的中心在第一图像中的像素坐标(即物体检测器检测到的目标物体的中心在第一图像中的像素坐标)，r表示将物体检测器检测到的目标物体所在区域截取出来(对应第二图像)输入给姿态解耦预测模型时需要缩放的倍数(对应目标图像)，即由第二图像到目标图像的产生过程中，第二图像的缩放倍数。该缩放倍数r可以根据第二图像和目标图像的尺寸确定。w表示物体检测器检测到的目标物体所在区域的宽，h表示物体检测器检测到的目标物体所在区域的高。
如图1所示，终端可以将平移量分支网络的输出的
Figure GDA0002354989960000094
和
Figure GDA0002354989960000095
和目标物体所在区域的中心在第一图像中的像素坐标(Cx和Cy)和尺寸(h和w)以及相机的参数信息(相机在x轴的焦距fx和相机在y轴的焦距fy)相结合，即可得到目标物体最终平移量T(Tx，Ty，Tz)，结合方式如公式(2)所示：
Figure GDA0002354989960000096
由于直接法能够得到较为准确的平移量，因此根据本公开实施例的姿态预测方法相较于统一采用间接法确定旋转量和平移量的方法，提高了预测平移量的准确性。
图4示出根据本公开一实施例的模型训练方法的流程图。该方法可以由终端执行，该方法可以用于训练如图1和图3所示的姿态解耦预测模型。如图4所示，该方法可以包括：
步骤S21，对待训练的第三图像进行目标识别，确定出训练物体所在区域。
步骤S22，对所述训练物体所在区域增加尺度扰动和位置扰动，得到扰动后的物体区域。
步骤S23，从所述第三图像中截取扰动后的物体区域，得到第四图像。
步骤S24，在保持训练物体长宽比例不变的情况下，将所述第四图像的尺寸变换至姿态解耦预测模型输入所需的尺寸，得到训练图像。
步骤S25，将所述训练图像作为所述姿态解耦预测模型的输入，以训练所述姿态解耦预测模型。
在本公开实施例中，通过对目标识别的结果增加扰动，一方面扩张了样本量，另一方面降低了目标识别的误差对姿态解耦预测模型输出结果的影响，提升了姿态解耦预测模型的准确性。
在步骤S21中，第三图像可以表示用来训练姿态解耦预测模型的样本图像，第三图像中包括训练过程中要预测的训练物体。终端可以采用图1所示的物体检测器对第三图像进行目标识别，得到训练物体所在的区域。步骤S21可以参照步骤S11，这里不再赘述。
在步骤S22中，终端可以对训练物体所在区域增加尺度扰动和位置扰动，得到扰动后的物体区域。在步骤S23中，终端可以从所述第三图像中截取扰动后的物体区域，得到第四图像。
在一个示例中，假设训练物体所在区域的中心和最大尺寸分别为C和s，其中C＝(Cx，Cy)，s＝max(h，w)，Cx和Cy表示训练物体所在区域的中心在第一图像中的像素坐标，h和w分别表示训练物体所在区域的高和宽。终端可以根据依赖C和S的某一随机分布，例如截断正态分布函数，重新对训练物体所在区域的中心和尺寸进行采样，得到采样后的训练物体所在区域的中心
Figure GDA0002354989960000101
和最大尺寸
Figure GDA0002354989960000111
然后按照
Figure GDA0002354989960000112
和
Figure GDA0002354989960000113
对从第三图像中截取第四图像。
在步骤S24中，终端可以在保持训练物体长宽比例不变的情况下，将所述第四图像的尺寸变换至所述姿态解耦预测模型输入所需的尺寸，得到训练图像。步骤S24可以参照步骤S12，这里不再赘述。
在步骤S25中，终端可以将所述训练图像作为所述姿态解耦预测模型的输入，以训练所述姿态解耦预测模型。
可以理解的是，通过步骤S22和步骤S23一个第三图像可以截取出多个第四图像，相应的在步骤S24中终端基于多个第四图像就可以得到多个训练图像。也就是说，基于一个第三图像可以得到多个用来训练姿态解耦预测模型的训练图像。这样，一方面扩张了样本，另一方面消除了一部分目标识别的误差，降低了目标识别的误差对姿态解耦预测模型的影响，提高了姿态解耦预测模型预测的准确性。
在一种可能的实现方式中，所述姿态解耦预测模型可以包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述训练图像提取特征；所述旋转量分支网络的输入为所述特征，所述旋转量分支网络的输出结果包括三通道的物体坐标图和一通道的物体分割图，所述物体坐标图的三个通道分别代表预测的目标物体三维点的三个坐标值，所述物体分割图用于从所述训练图像中分割出所述目标物体；所述平移量分支网络的输入为所述特征；所述平移量分支网络的输出结果包括尺度不变平移量，所述尺度不变平移量为训练图像中训练物体的中心相对于目标图像中的平移量，所述尺度不变平移量包括三个维度。
在一种可能的实现方式中，所述旋转量分支网络包括三个特征处理模块和一个卷积输出层，每一个特征处理模块包括一个反卷积层和两个卷积层。
在一种可能的实现方式中，所述平移量分支网络由六个卷积层和三个全连接层堆叠而成。
以上姿态解耦预测模型、基础网络、旋转量分支网络和平移量分支网络可以参照步骤S13，这里不再赘述。
在一种可能的实现方式中，所述方法还可以包括：根据所述物体坐标图和所述物体分割图，确定第一损失函数；根据所述尺度不变平移量，确定第二损失函数；采用所述第一损失函数训练所述基础网络和所述旋转量分支网络；在固定所述基础网络的参数和所述旋转量分支网络的参数的情况下，采用第二损失函数训练所述平移量分支网络；采用所述第一损失函数和所述第二损失函数对所述基础网络、旋转量分支网络和所述平移量分支网络同时进行训练。
终端可以根据旋转量分支网络输出的物体坐标图
Figure GDA0002354989960000121
和物体分割图
Figure GDA0002354989960000122
采用公式(3)确定第一损失函数Loss1。
Figure GDA0002354989960000123
其中，η1和η2为各部分损失的权重，ι1为1范数函数，°为哈达玛乘积，nc＝3为物体坐标图Mcoor的通道数。Mcoor和Mconf表示真实的物体坐标图和物体分割图，
Figure GDA0002354989960000124
和
Figure GDA0002354989960000125
表示通过旋转量分支网络预测的物体坐标图和物体分割图。
终端可以根据平移量分支网络输出的尺度不变平移量的三个维度
Figure GDA0002354989960000126
和
Figure GDA0002354989960000127
采用公式(4)确定第二损失函数Loss2。
Figure GDA0002354989960000128
其中，η3、η4和η5为各部分损失函数，ι2为2范数函数，Δx和
Figure GDA0002354989960000129
分别代表尺度不变平移量在x轴方向的真实值和预测值，Δy和
Figure GDA00023549899600001210
分别代表尺度不变平移量在y轴上的真实值和预测值，tz和
Figure GDA00023549899600001211
分别代表尺度不变平移量在z轴上的真实值和预测值。
需要说明的是公式(3)和公式(4)中的真实值Mcoor、Mconf、Δx、Δy和tz可以在使用相机对训练物体进行拍照的过程中确定。基于同一个第三图像得到的各训练图像之间对应相同的真实值。
在确定第一损失函数和第二损失函数之后，终端可以对姿态解耦预测模型进行三个阶段的训练。训练阶段一：采用第一损失函数训练基础网络和旋转量分支网络。训练阶段二：在固定基础网络的参数和旋转量分支网络的参数的情况下，采用第二损失函数训练平移量分支网络。训练阶段三：采用第一损失函数和第二损失函数对基础网络、旋转量分支网络和平移量分支网络同时进行训练。
训练阶段一和训练阶段二可以避免旋转量分支网络和平移量分支网络之间的相互影响。训练阶段三，可以提升姿态解耦预测模型的准确性。
图5示出根据本公开一实施例的姿态预测装置的框图。如图5所示，该装置50可以包括：
第一确定模块51，用于对待预测的第一图像进行目标识别，确定出目标物体所在区域；
第二确定模块52，用于根据所述目标物体所在区域，确定目标图像；
输入模块53，用于将所述目标图像输入姿态解耦预测模型，进行姿态预测，所述姿态解耦预测模型包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述目标图像提取特征，所述旋转量分支网络用于根据所述特征对所述目标物体的旋转量进行预测，所述平移量分支网络用于根据所述特征对所述目标物体的平移量进行预测；
第三确定模块54，用于分别根据所述旋转量分支网络的输出结果和所述平移量分支网络的输出结果，确定所述目标物体的旋转量和平移量。
在本公开实施例中，通过姿态解耦预测模型的旋转量分支网络和平移量分支网络可以分别对目标物体的旋转量和平移量进行预测，这实现了物体姿态中旋转和平移的解耦，有利于针对物体姿态中旋转和平移具有的性质，采用不同的策略对旋转量和平移量进行预测，从而同时对旋转量和平移量达到高准确率的估计，提高姿态预测的准确性。
在一种可能的实现方式中，所述第二确定模块还用于：
从所述第一图像中截取所述目标物体所在区域，得到第二图像；
在保持目标物体长宽比例不变的情况下，将第二图像的尺寸变换至所述姿态解耦预测模型输入所需的尺寸，得到所述目标图像。
在一种可能的实现方式中，所述旋转量分支网络的输出结果包括三通道的物体坐标图和一通道的物体分割图，所述物体坐标图的三个通道分别代表预测的目标物体在三维坐标系中所在位置的三个维度的坐标值，所述物体分割图用于从所述目标图像中分割出所述目标物体；
所述第三确定模块还用于：
根据所述物体坐标图、所述物体分割图和所述目标物体所在区域在第一图像中的像素坐标，确定所述目标物体的旋转量。
在一种可能的实现方式中，所述平移量分支网络的输出结果包括尺度不变平移量，所述尺度不变平移量为目标图像中目标物体的中心相对于目标图像中心的平移量，所述尺度不变平移量包括三个维度；
所述第三确定模块还用于：
根据所述尺度不变平移量、所述目标物体所在区域的中心在第一图像中的像素坐标和尺寸以及相机的参数信息，确定所述目标物体的平移量。
图6示出根据本公开一实施例的模型训练装置的框图。如图6所示，该装置60可以包括：
第一确定模块61，用于对待训练的第三图像进行目标识别，确定出训练物体所在区域；
扰动模块62，用于对所述训练物体所在区域增加尺度扰动和位置扰动，得到扰动后的物体区域；
截取模块63，用于从所述第三图像中截取扰动后的物体区域，得到第四图像；
变换模块64，用于在保持训练物体长宽比例不变的情况下，将所述第四图像的尺寸变换至姿态解耦预测模型输入所需的尺寸，得到训练图像；
输入模块65，用于将所述训练图像作为所述姿态解耦预测模型的输入，以训练所述姿态解耦预测模型。
在本公开实施例中，通过对目标识别的结果增加扰动，一方面扩张了样本量，另一方面降低了目标识别的误差对姿态解耦预测模型输出结果的影响，提升了姿态解耦预测模型的准确性。
在一种可能的实现方式中，所述姿态解耦预测模型包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述训练图像提取特征；所述旋转量分支网络的输入为所述特征，所述旋转量分支网络的输出结果包括三通道的物体坐标图和一通道的物体分割图，所述物体坐标图的三个通道分别代表预测的目标物体三维点的三个坐标值，所述物体分割图用于从所述训练图像中分割出所述目标物体；所述平移量分支网络的输入为所述特征；所述平移量分支网络的输出结果包括尺度不变平移量，所述尺度不变平移量为训练图像中训练物体的中心相对于目标图像中的平移量，所述尺度不变平移量包括三个维度。
在一种可能的实现方式中，所述装置还包括：
第二确定模块，用于根据所述物体坐标图和所述物体分割图，确定第一损失函数；
第三确定模块，用于根据所述尺度不变平移量，确定第二损失函数；
第一训练模块，用于采用所述第一损失函数训练所述基础网络和所述旋转量分支网络；
第二训练模块，用于在固定所述基础网络的参数和所述旋转量分支网络的参数的情况下，采用第二损失函数训练所述平移量分支网络；
第三训练模块，用于采用所述第一损失函数和所述第二损失函数对所述基础网络、旋转量分支网络和所述平移量分支网络同时进行训练。
在一种可能的实现方式中，所述旋转量分支网络包括三个特征处理模块和一个卷积输出层，每一个特征处理模块包括一个反卷积层和两个卷积层。
在一种可能的实现方式中，所述平移量分支网络由六个卷积层和三个全连接层堆叠而成。
图7是根据一示例性实施例示出的一种用于姿态预测和模型训练的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图7，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (22)

1.一种姿态预测方法，其特征在于，所述方法包括：
对待预测的第一图像进行目标识别，确定出目标物体所在区域；
根据所述目标物体所在区域，确定目标图像；
将所述目标图像输入姿态解耦预测模型，进行姿态预测，所述姿态解耦预测模型包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述目标图像提取特征，所述旋转量分支网络用于根据所述特征对所述目标物体的旋转量进行预测，所述平移量分支网络用于根据所述特征对所述目标物体的平移量进行预测，所述旋转量分支网络的输出结果包括三通道的物体坐标图，所述物体坐标图的三个通道分别代表预测的目标物体在三维坐标系中所在位置的三个维度的坐标值；
分别根据所述旋转量分支网络的输出结果和所述平移量分支网络的输出结果，确定所述目标物体的旋转量和平移量。
2.根据权利要求1所述的方法，其特征在于，根据所述目标物体所在的区域，确定目标图像包括：
从所述第一图像中截取所述目标物体所在区域，得到第二图像；
在保持目标物体长宽比例不变的情况下，将第二图像的尺寸变换至所述姿态解耦预测模型输入所需的尺寸，得到所述目标图像。
3.根据权利要求1所述的方法，其特征在于，所述旋转量分支网络的输出结果包括一通道的物体分割图，所述物体分割图用于从所述目标图像中分割出所述目标物体；
根据所述旋转量分支网络的输出结果确定所述目标物体的旋转量包括：
根据所述物体坐标图、所述物体分割图和所述目标物体所在区域在第一图像中的像素坐标，确定所述目标物体的旋转量。
4.根据权利要求1所述的方法，其特征在于，所述平移量分支网络的输出结果包括尺度不变平移量，所述尺度不变平移量为目标图像中目标物体的中心相对于目标图像中心的平移量，所述尺度不变平移量包括三个维度；
根据所述平移量分支网络的输出结果确定所述目标物体的平移量包括：
根据所述尺度不变平移量、所述目标物体所在区域的中心在第一图像中的像素坐标和尺寸以及相机的参数信息，确定所述目标物体的平移量。
5.一种模型训练方法，其特征在于，所述方法包括：
对待训练的第三图像进行目标识别，确定出训练物体所在区域；
对所述训练物体所在区域增加尺度扰动和位置扰动，得到扰动后的物体区域；
从所述第三图像中截取扰动后的物体区域，得到第四图像；
在保持训练物体长宽比例不变的情况下，将所述第四图像的尺寸变换至姿态解耦预测模型输入所需的尺寸，得到训练图像；
将所述训练图像作为所述姿态解耦预测模型的输入，以训练所述姿态解耦预测模型；
所述姿态解耦预测模型包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述训练图像提取特征；所述旋转量分支网络的输入为所述特征，所述旋转量分支网络的输出结果包括三通道的物体坐标图，所述物体坐标图的三个通道分别代表预测的目标物体三维点的三个坐标值；所述平移量分支网络的输入为所述特征。
6.根据权利要求5所述的方法，其特征在于，所述旋转量分支网络的输出结果包括一通道的物体分割图，所述物体分割图用于从所述训练图像中分割出所述目标物体；所述平移量分支网络的输出结果包括尺度不变平移量，所述尺度不变平移量为训练图像中训练物体的中心相对于目标图像中的平移量，所述尺度不变平移量包括三个维度。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述物体坐标图和所述物体分割图，确定第一损失函数；
根据所述尺度不变平移量，确定第二损失函数；
采用所述第一损失函数训练所述基础网络和所述旋转量分支网络；
在固定所述基础网络的参数和所述旋转量分支网络的参数的情况下，采用第二损失函数训练所述平移量分支网络；
采用所述第一损失函数和所述第二损失函数对所述基础网络、旋转量分支网络和所述平移量分支网络同时进行训练。
8.根据权利要求6所述的方法，其特征在于，所述旋转量分支网络包括三个特征处理模块和一个卷积输出层，每一个特征处理模块包括一个反卷积层和两个卷积层。
9.根据权利要求6所述的方法，其特征在于，所述平移量分支网络由六个卷积层和三个全连接层堆叠而成。
10.一种姿态预测装置，其特征在于，所述装置包括：
第一确定模块，用于对待预测的第一图像进行目标识别，确定出目标物体所在区域；
第二确定模块，用于根据所述目标物体所在区域，确定目标图像；
输入模块，用于将所述目标图像输入姿态解耦预测模型，进行姿态预测，所述姿态解耦预测模型包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述目标图像提取特征，所述旋转量分支网络用于根据所述特征对所述目标物体的旋转量进行预测，所述平移量分支网络用于根据所述特征对所述目标物体的平移量进行预测，所述旋转量分支网络的输出结果包括三通道的物体坐标图，所述物体坐标图的三个通道分别代表预测的目标物体在三维坐标系中所在位置的三个维度的坐标值；
第三确定模块，用于分别根据所述旋转量分支网络的输出结果和所述平移量分支网络的输出结果，确定所述目标物体的旋转量和平移量。
11.根据权利要求10所述的装置，其特征在于，所述第二确定模块还用于：
从所述第一图像中截取所述目标物体所在区域，得到第二图像；
在保持目标物体长宽比例不变的情况下，将第二图像的尺寸变换至所述姿态解耦预测模型输入所需的尺寸，得到所述目标图像。
12.根据权利要求10所述的装置，其特征在于，所述旋转量分支网络的输出结果包括一通道的物体分割图，所述物体分割图用于从所述目标图像中分割出所述目标物体；
所述第三确定模块还用于：
根据所述物体坐标图、所述物体分割图和所述目标物体所在区域在第一图像中的像素坐标，确定所述目标物体的旋转量。
13.根据权利要求10所述的装置，其特征在于，所述平移量分支网络的输出结果包括尺度不变平移量，所述尺度不变平移量为目标图像中目标物体的中心相对于目标图像中心的平移量，所述尺度不变平移量包括三个维度；
所述第三确定模块还用于：
根据所述尺度不变平移量、所述目标物体所在区域的中心在第一图像中的像素坐标和尺寸以及相机的参数信息，确定所述目标物体的平移量。
14.一种模型训练装置，其特征在于，所述装置包括：
第一确定模块，用于对待训练的第三图像进行目标识别，确定出训练物体所在区域；
扰动模块，用于对所述训练物体所在区域增加尺度扰动和位置扰动，得到扰动后的物体区域；
截取模块，用于从所述第三图像中截取扰动后的物体区域，得到第四图像；
变换模块，用于在保持训练物体长宽比例不变的情况下，将所述第四图像的尺寸变换至姿态解耦预测模型输入所需的尺寸，得到训练图像；
输入模块，用于将所述训练图像作为所述姿态解耦预测模型的输入，以训练所述姿态解耦预测模型；
所述姿态解耦预测模型包括基础网络、旋转量分支网络和平移量分支网络，所述基础网络用于从所述训练图像提取特征；所述旋转量分支网络的输入为所述特征，所述旋转量分支网络的输出结果包括三通道的物体坐标图，所述物体坐标图的三个通道分别代表预测的目标物体三维点的三个坐标值；所述平移量分支网络的输入为所述特征。
15.根据权利要求14所述的装置，其特征在于，所述旋转量分支网络的输出结果包括三通道的物体坐标图和一通道的物体分割图，所述物体分割图用于从所述训练图像中分割出所述目标物体；所述平移量分支网络的输出结果包括尺度不变平移量，所述尺度不变平移量为训练图像中训练物体的中心相对于目标图像中的平移量，所述尺度不变平移量包括三个维度。
16.根据权利要求15所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于根据所述物体坐标图和所述物体分割图，确定第一损失函数；
第三确定模块，用于根据所述尺度不变平移量，确定第二损失函数；
第一训练模块，用于采用所述第一损失函数训练所述基础网络和所述旋转量分支网络；
第二训练模块，用于在固定所述基础网络的参数和所述旋转量分支网络的参数的情况下，采用第二损失函数训练所述平移量分支网络；
第三训练模块，用于采用所述第一损失函数和所述第二损失函数对所述基础网络、旋转量分支网络和所述平移量分支网络同时进行训练。
17.根据权利要求15所述的装置，其特征在于，所述旋转量分支网络包括三个特征处理模块和一个卷积输出层，每一个特征处理模块包括一个反卷积层和两个卷积层。
18.根据权利要求15所述的装置，其特征在于，所述平移量分支网络由六个卷积层和三个全连接层堆叠而成。
19.一种姿态预测装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行权利要求1至4中任意一项所述的方法。
20.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至4中任意一项所述的方法。
21.一种模型训练装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行权利要求5至9中任意一项所述的方法。
22.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求5至9中任意一项所述的方法。
CN201910815666.5A 2019-08-30 2019-08-30 位姿预测方法、模型训练方法及装置 Active CN110503689B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910815666.5A CN110503689B (zh) 2019-08-30 2019-08-30 位姿预测方法、模型训练方法及装置
PCT/CN2019/106136 WO2021035833A1 (zh) 2019-08-30 2019-09-17 姿态预测方法、模型训练方法及装置
DE112019007677.9T DE112019007677T5 (de) 2019-08-30 2019-09-17 Posenvorhersageverfahren, Modelltrainingsverfahren und Vorrichtung
US17/679,142 US11461925B2 (en) 2019-08-30 2022-02-24 Pose prediction method and apparatus, and model training method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910815666.5A CN110503689B (zh) 2019-08-30 2019-08-30 位姿预测方法、模型训练方法及装置

Publications (2)

Publication Number Publication Date
CN110503689A CN110503689A (zh) 2019-11-26
CN110503689B true CN110503689B (zh) 2022-04-26

Family

ID=68590606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910815666.5A Active CN110503689B (zh) 2019-08-30 2019-08-30 位姿预测方法、模型训练方法及装置

Country Status (4)

Country Link
US (1) US11461925B2 (zh)
CN (1) CN110503689B (zh)
DE (1) DE112019007677T5 (zh)
WO (1) WO2021035833A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462239B (zh) * 2020-04-03 2023-04-14 清华大学 姿态编码器训练及姿态估计方法及装置
CN111680623B (zh) * 2020-06-05 2023-04-21 北京百度网讯科技有限公司 姿态转换方法及装置、电子设备、存储介质
CN111784772B (zh) * 2020-07-02 2022-12-02 清华大学 基于域随机化的姿态估计模型训练方法及装置
CN112529073A (zh) * 2020-12-07 2021-03-19 北京百度网讯科技有限公司 模型训练方法、姿态估计方法、装置及电子设备
CN112598728B (zh) * 2020-12-23 2024-02-13 极米科技股份有限公司 投影仪姿态估计、梯形校正方法、装置、投影仪及介质
CN112991445B (zh) * 2021-03-03 2023-10-24 网易（杭州）网络有限公司 模型训练方法、姿态预测方法、装置、设备及存储介质
CN114842078A (zh) * 2022-04-14 2022-08-02 中国人民解放军战略支援部队航天工程大学 一种基于深度学习的双通道卫星姿态估计网络
CN114969967A (zh) * 2022-05-19 2022-08-30 北京百度网讯科技有限公司 交通工具绕流的模拟计算方法、模拟计算模型的训练方法
CN117455983B (zh) * 2023-12-26 2024-04-12 深圳市亿境虚拟现实技术有限公司 Vr手柄空间定位方法、装置、电子设备及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2017222072A1 (ja) * 2016-06-23 2019-04-25 Ｎｅｃソリューションイノベータ株式会社 姿勢分析装置、姿勢分析方法、及びプログラム
CN106875446B (zh) * 2017-02-20 2019-09-20 清华大学 相机重定位方法及装置
CN109284681B (zh) * 2018-08-20 2020-11-27 北京市商汤科技开发有限公司 位姿检测方法及装置、电子设备和存储介质
CN109215080B (zh) * 2018-09-25 2020-08-11 清华大学 基于深度学习迭代匹配的6d姿态估计网络训练方法及装置
CN109615655A (zh) * 2018-11-16 2019-04-12 深圳市商汤科技有限公司 一种确定物体姿态的方法及装置、电子设备及计算机介质
WO2020099338A1 (en) * 2018-11-16 2020-05-22 Kokkinos Iason Three-dimensional object reconstruction
CN109815800A (zh) * 2018-12-17 2019-05-28 广东电网有限责任公司 基于回归算法的目标检测方法及系统
CN110119148B (zh) * 2019-05-14 2022-04-29 深圳大学 一种六自由度姿态估计方法、装置及计算机可读存储介质
US11782001B2 (en) * 2020-12-04 2023-10-10 Attolight AG Dislocation type and density discrimination in semiconductor materials using cathodoluminescence measurements

Also Published As

Publication number Publication date
DE112019007677T5 (de) 2022-06-09
US11461925B2 (en) 2022-10-04
WO2021035833A1 (zh) 2021-03-04
US20220180553A1 (en) 2022-06-09
CN110503689A (zh) 2019-11-26

Similar Documents

Publication Publication Date Title
CN110503689B (zh) 位姿预测方法、模型训练方法及装置
CN110647834B (zh) 人脸和人手关联检测方法及装置、电子设备和存储介质
CN109697734B (zh) 位姿估计方法及装置、电子设备和存储介质
CN109522910B (zh) 关键点检测方法及装置、电子设备和存储介质
CN110674719B (zh) 目标对象匹配方法及装置、电子设备和存储介质
CN108764069B (zh) 活体检测方法及装置
CN110287874B (zh) 目标追踪方法及装置、电子设备和存储介质
CN111983635B (zh) 位姿确定方法及装置、电子设备和存储介质
CN111462238B (zh) 姿态估计优化方法、装置及存储介质
CN111783986A (zh) 网络训练方法及装置、姿态预测方法及装置
CN110532956B (zh) 图像处理方法及装置、电子设备和存储介质
CN112945207B (zh) 目标定位方法及装置、电子设备和存储介质
CN111523485A (zh) 位姿识别方法及装置、电子设备和存储介质
CN111401230A (zh) 姿态估计方法及装置、电子设备和存储介质
CN114255221A (zh) 图像处理、缺陷检测方法及装置、电子设备和存储介质
CN112529846A (zh) 图像处理方法及装置、电子设备和存储介质
CN114066856A (zh) 模型训练方法及装置、电子设备和存储介质
CN111311588B (zh) 重定位方法及装置、电子设备和存储介质
CN113538310A (zh) 图像处理方法及装置、电子设备和存储介质
CN113345000A (zh) 深度检测方法及装置、电子设备和存储介质
CN113283343A (zh) 人群定位方法及装置、电子设备和存储介质
CN114550086A (zh) 一种人群定位方法及装置、电子设备和存储介质
CN114519794A (zh) 特征点匹配方法及装置、电子设备和存储介质
CN114549983A (zh) 计算机视觉模型训练方法及装置、电子设备和存储介质
CN112749709A (zh) 图像处理方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant