CN111915674B - 一种物体姿态识别精度的计算方法、装置、存储介质及终端 - Google Patents
一种物体姿态识别精度的计算方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN111915674B CN111915674B CN202011054099.5A CN202011054099A CN111915674B CN 111915674 B CN111915674 B CN 111915674B CN 202011054099 A CN202011054099 A CN 202011054099A CN 111915674 B CN111915674 B CN 111915674B
- Authority
- CN
- China
- Prior art keywords
- rotation
- matrix
- groups
- matrixes
- error
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 57
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 141
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000003384 imaging method Methods 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 12
- 230000019771 cognition Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种物体姿态识别精度的计算方法、装置、存储介质及终端，该方法包括：通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据后转换成多组第一旋转矩阵；计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵；基于第二旋转矩阵生成目标物体的多组旋转误差矩阵；根据多组旋转误差矩阵生成目标物体的多组回转角度误差；将多组回转角度误差确定为物体姿态识别精度的计算指标；根据计算指标的数值计算目标物体的姿态识别精度。因此，采用本申请实施例，可以根据回转角度误差的数值对物体姿态的识别精度进行评定，根据评定结果得到设备的产品精度性能，从而提升了用户选择设备时的认知度。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种物体姿态识别精度的计算方法、装置、存储介质及终端。
背景技术
随着制造业对自动化应用需求的不断增加，基于视觉系统的工业应用也日益增多，具体而言，在精密制造与组装生产线、物流运输、产品测量检测、识别判断应用等。例如视觉系统通过精密测量确定零部件的空间方位，传送给机械臂，引导机械手准确操作零部件。其中，关键技术之一是三维视觉。三维视觉系统中通过采集的数据计算目标物体的空间信息，目标物体的空间信息包括位置信息和姿态信息。
物体的姿态信息常用表达方式有四元数、轴角、欧拉角、旋转矩阵等，其中，欧拉角需要三个角度值才能表述一个物体的姿态，在进行姿态误差比较时难以直接体现三维视觉系统在识别物体姿态时的识别精度，导致难以确定出设备精度性能，从而降低了用户选择设备时的认知度。
发明内容
本申请实施例提供了一种物体姿态识别精度的计算方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种物体姿态识别精度的计算方法，该方法包括：
通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据；
将多组图像数据转换成多组第一旋转矩阵；
计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵；
基于第二旋转矩阵生成目标物体的多组旋转误差矩阵；
根据多组旋转误差矩阵生成目标物体的多组回转角度误差；
将多组回转角度误差确定为物体姿态识别精度的计算指标；
根据计算指标的数值计算目标物体的姿态识别精度。
可选的，不同位置参数包括不同的高度值、不同的位置坐标点、不同的角度值。
可选的，基于第二旋转矩阵生成目标物体的多组旋转误差矩阵，包括：
将第二旋转矩阵进行奇异值分解，生成左奇异向量矩阵和右奇异向量矩阵；
获取预设矩阵参数；
将左奇异向量矩阵进行转置操作，生成转置后的左奇异向量矩阵；
将转置后的左奇异向量矩阵、右奇异向量矩阵以及预设矩阵参数进行相乘，生成平均旋转矩阵；
将平均旋转矩阵进行求逆运算，生成求逆运算后的平均旋转矩阵；
将求逆运算后的平均旋转矩阵和多组第一旋转矩阵逐一相乘，生成目标物体的多组旋转误差矩阵。
可选的，预设矩阵参数的计算公式为，预设矩阵参数
，其中V是右奇异向量矩阵，U是左奇异向量矩阵，UT是将左奇异向量矩阵进行转置操作，其中，装置操作是将左奇异向量矩阵的行变成列以及列变成行。
可选的，旋转误差矩阵计算公式为，旋转误差矩阵
，其中，
为平均旋转矩阵的求逆运算，
为第i组旋转矩阵。
可选的，根据多组旋转误差矩阵生成目标物体的多组回转角度误差，包括：
将多组旋转误差矩阵中各组旋转误差矩阵转换成四元数，生成各组旋转误差矩阵对应的四元数；
求解各组旋转误差矩阵对应的四元数，生成各组旋转误差矩阵对应的多组解；
基于各组旋转误差矩阵对应的多组解生成多组回转角度误差。
第二方面，本申请实施例提供了一种物体姿态识别精度的计算装置，该装置包括：
图像数据采集模块，用于通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据；
图像数据转换模块，用于将多组图像数据转换成多组第一旋转矩阵；
旋转矩阵构建模块，用于计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵；
旋转误差矩阵生成模块，用于基于第二旋转矩阵生成目标物体的多组旋转误差矩阵；
回转角度误差生成模块，用于根据多组旋转误差矩阵生成目标物体的多组回转角度误差；
计算指标确定模块，用于将多组回转角度误差确定为物体姿态识别精度的计算指标；
精度计算模块，用于根据计算指标的数值计算目标物体的姿态识别精度。
第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，物体姿态识别精度的计算装置首先通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据后转换成多组第一旋转矩阵，再计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵，然后基于第二旋转矩阵生成目标物体的多组旋转误差矩阵，再根据多组旋转误差矩阵生成目标物体的多组回转角度误差，再将多组回转角度误差确定为物体姿态识别精度的计算指标，最后根据计算指标的数值计算目标物体的姿态识别精度。由于本发明通过定义了物体姿态识别精度评价表达方式为回转角度误差，可以根据计算出的回转角度误差的数值对物体姿态的识别精度进行评定，根据评定结果得到设备的产品精度性能，从而提升了用户选择设备时的认知度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种物体姿态识别精度的计算方法的流程示意图；
图2是本申请实施例提供的一种物体姿态识别精度的计算场景的场景示意图；
图3是本申请实施例提供的一种目标物体的不同位置坐标点的示意图；
图4是本申请实施例提供的一种物体姿态识别精度的计算装置的结构示意图；
图5是本申请实施例提供的一种回转角度误差生成模块的结构示意图；
图6是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
到目前为止，物体的姿态信息常用表达方式有四元数、轴角、欧拉角、旋转矩阵，其中，欧拉角需要三个角度值才能表述一个物体的姿态，在进行姿态误差比较时难以直接体现三维视觉系统在识别物体姿态时的识别精度，导致难以确定出设备精度性能，从而降低了用户选择设备时的认知度，目前还未有对姿态信息进行识别精度评价的方法。为此，本申请提供了一种物体姿态识别精度的计算方法、装置、存储介质及终端，以解决上述相关技术问题中存在的问题。本申请提供的技术方案中，由于本发明通过定义了物体姿态识别精度评价表达方式为回转角度误差，可以根据计算出的回转角度误差的数值对物体姿态的识别精度进行评定，根据评定结果得到设备的产品精度性能，从而提升了用户选择设备时的认知度，下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图3，对本申请实施例提供的物体姿态识别精度的计算方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的物体姿态识别精度的计算装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。其中，本申请实施例中的物体姿态识别精度的计算装置可以为用户终端，包括但不限于：个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称，例如：用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理（personal digitalassistant，PDA）、5G网络或未来演进网络中的终端设备等。
请参见图1，为本申请实施例提供了一种物体姿态识别精度的计算方法的流程示意图。如图1所示，本申请实施例的方法可以包括以下步骤：
S101，通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据；
其中，不同位置参数包括不同的高度值、不同的位置坐标点、不同的角度值。
例如图2所示，图2是本申请实施例提供的图像采集装置，包括成像设备、标定物以及放置面。
在标定物高度H中，成像设备距离放置面为H，不同的距离为H1，H2，…… , Hm。标定物为具有至少4个面的多边形物体，其中三个面
相互两两垂直。每次拍摄时，保证视野中只有
完整信息且无其它面信息。
在标定物位置P中，每个高度的放置面，设置标定物多个位置点P，P1，P2，......，Pn，其中视野中心位置为P0，在P0位置处，三个面
的投影面积相等，例如图3所示。
在标定物角度A中，在每个放置点P，多个放置角度A，A1，A2，......，At每个角度拍摄一组数据，一组包含c张图像数据。
通常，通过控制两组不变的量和一组变量进行图像采集。
在本申请实施例中，在进行目标物体的图像采集时，首先将目标物体（标定物）放置在放置面，在目标物体放置在放置面时，通过控制标定物高度和标定物角度保持不变，让标定物位置不断变化，通过成像设备不断采集标定物的图像。也可以通过控制标定物高度和标定物位置不变，控制标定物角度不断变化，通过成像设备不断采集不同角度的图像数据。还可以通过控制标定物位置和标定物角度保持不变，控制标定物高度变化，通过成像设备不断采集不同角度的图像数据。最后生成多组图像数据。
在一种可能的实现方式中，例如高度H1、位置P0、角度A1时c张图像数据为
,
，
。其中x、y、z 为笛卡尔坐标系的位置变量，A、B、C为描述物体姿态的欧拉角。
进一步地，HmPnAt时图像数据为
，
，......，
，则总共有m * n * t组图像数据。其中，m为具有m个高度，n为具有n个位置点，t为具有t个角度值。
S102，将多组图像数据转换成多组第一旋转矩阵；
其中，旋转矩阵为在乘以一个向量的时候有改变向量的方向但不改变大小的效果并保持了手性的矩阵。
在一种可能的实现方式中，通过步骤S101可得到多组图像数据
，每组
，
，......，
对应x的值依次为X1，X2，…，X3，，对应
的值依次为Y1，Y2，…，Y3，对应z的值依次为Z1，Z2，…，Z3，，对应A的值依次为A1，A2，…，A3，对应B的值依次为B1，B2，…，B3对应C的值依次为C1，C2，…，C3，，将每组图像数据转换成旋转矩阵，可得到每组图像数据对应的旋转矩阵
其中，m代表旋转矩阵Ri中计算出的矩阵元素。
S103，计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵；
其中，第二旋转矩阵为根据旋转矩阵Ri对应元素的平均值构成的。
在一种可能的实现方式中，根据步骤S102得到旋转矩阵Ri后，将旋转矩阵Ri中的元素求元素平均值，并将平均值构成第二旋转矩阵（即新矩阵Rave）。
其中，c为总共有c组图像数据。
S104，基于第二旋转矩阵生成目标物体的多组旋转误差矩阵；
在一种可能的实现方式中，在根据步骤S103得到第二旋转矩阵（即新矩阵Rave）后，首先将新矩阵Rave进行奇异值分解，生成左奇异向量矩阵和右奇异向量矩阵，再获取预设矩阵参数，再将左奇异向量矩阵进行转置操作，生成转置后的左奇异向量矩阵，然后将转置后的左奇异向量矩阵、右奇异向量矩阵以及预设矩阵参数进行相乘，生成平均旋转矩阵，再将平均旋转矩阵进行求逆运算，生成求逆运算后的平均旋转矩阵，最后将求逆运算后的平均旋转矩阵和多组第一旋转矩阵逐一相乘，生成目标物体的多组旋转误差矩阵。
例如，首先对新矩阵Rave进行奇异值分解，求解出 U（左奇异向量矩阵）,V（右奇异向量矩阵）,D（对角阵），然后将U和V代入预设矩阵参数H计算公式中得到预设矩阵参数，其中预设矩阵参数H计算公式为
。在计算出预设矩阵参数后，将预设矩阵参数、左奇异向量矩阵以及右奇异向量矩阵代入平均旋转矩阵计算公式中得到平均旋转矩阵，其中平均旋转矩阵计算公式为
，其中T为将左奇异向量矩阵进行转置操作，其中，装置操作是将左奇异向量矩阵的行变成列以及列变成行。
进一步地，在得到平均旋转矩阵后，将平均旋转矩阵进行求逆运算，生成求逆运算后的平均旋转矩阵，最后将求逆运算后的平均旋转矩阵和多组第一旋转矩阵逐一相乘，生成目标物体的多组旋转误差矩阵Rei。其中，旋转误差矩阵Rei计算：
。
S105，根据多组旋转误差矩阵生成目标物体的多组回转角度误差；
在一种可能的实现方式中，在得到多组旋转误差矩阵后，首先将多组旋转误差矩阵中各组旋转误差矩阵转换成四元数，生成各组旋转误差矩阵对应的四元数，然后求解各组旋转误差矩阵对应的四元数，生成各组旋转误差矩阵对应的多组解，最后基于各组旋转误差矩阵对应的多组解生成多组回转角度误差。
进一步地，在基于各组旋转误差矩阵对应的多组解生成多组回转角度误差时，每一组旋转误差矩阵都对应了多组解，首先在每一组旋转误差矩阵对应的多组解中查找四元数中元素最大的解，将四元数中元素最大的解对应的一组解作为最终解，在最终解中获取目标解，将目标解代入回转角度误差计算公式
中，得到多组回转角度误差。其中
取[1,3]之间的整数，wi为四元数中的元素。
例如，基于一组旋转误差矩阵生成该组的回转角度误差时，首先将该组组旋转误差矩阵转换成四元数(W，X，Y，Z)，然后将四元数求解，得到4组解，分别是：
第一组解：
第二组解：
第三组解：
第四组解：
从w1,x2,y3,z4中选取值最大的一个解，假如z4值最大，就选择第四组解为最终一组解，再选择第四组解中的w4为目标解，并将目标解代入回转角度误差计算公式
中，从而得到该组旋转误差矩阵对应的回转角度误差。以此类推得到所有组旋转误差矩阵对应的回转角度误差，生成m * n * t组回转角度误差。其中，m为具有m个高度，n为具有n个位置点，t为具有t个角度值。
S106，将多组回转角度误差确定为物体姿态识别精度的计算指标；
在一种可能的实现方式中，根据步骤S105可得到m * n * t组回转角度误差，最后将m * n * t组回转角度误差作为物体姿态识别精度的计算指标（即姿态识别精度计算表达方式为回转角度误差
）。
S107，根据计算指标的数值计算目标物体的姿态识别精度。
在一种可能的实现方式中，本申请实施例通过定义了物体位姿识别精度评价表达方式为回转角度误差，以及通过相应的采集装置与采集方法获得数据，然后处理数据得到回转角度误差的数值，最后根据此数值可计算出物体姿态的识别精度，此方式简便直观，可以发现设备精度性能是否达到标准。
在本申请实施例中，物体姿态识别精度的计算装置首先通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据后转换成多组第一旋转矩阵，再计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵，然后基于第二旋转矩阵生成目标物体的多组旋转误差矩阵，再根据多组旋转误差矩阵生成目标物体的多组回转角度误差，再将多组回转角度误差确定为物体姿态识别精度的计算指标，最后根据计算指标的数值计算目标物体的姿态识别精度。由于本发明通过定义了物体姿态识别精度评价表达方式为回转角度误差，可以根据计算出的回转角度误差的数值对物体姿态的识别精度进行评定，根据评定结果得到设备的产品精度性能，从而提升了用户选择设备时的认知度。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
请参见图4，其示出了本发明一个示例性实施例提供的物体姿态识别精度的计算装置的结构示意图。该物体姿态识别精度的计算装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括图像数据采集模块10、图像数据转换模块20、旋转矩阵构建模块30、旋转误差矩阵生成模块40、回转角度误差生成模块50、计算指标确定模块60、精度计算模块70。
图像数据采集模块10，用于通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据；
图像数据转换模块20，用于将多组图像数据转换成多组第一旋转矩阵；
旋转矩阵构建模块30，用于计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵；
旋转误差矩阵生成模块40，用于基于第二旋转矩阵生成目标物体的多组旋转误差矩阵；
回转角度误差生成模块50，用于根据多组旋转误差矩阵生成目标物体的多组回转角度误差；
计算指标确定模块60，用于将多组回转角度误差确定为物体姿态识别精度的计算指标；
精度计算模块70，用于根据计算指标的数值计算目标物体的姿态识别精度。
可选的，例如图5所示，回转角度误差生成模块50，包括：
四元数转换单元501，用于将多组旋转误差矩阵中各组旋转误差矩阵转换成四元数，生成各组旋转误差矩阵对应的四元数；
求解单元502，用于求解各组旋转误差矩阵对应的四元数，生成各组旋转误差矩阵对应的多组解；
回转角度误差生成单元503，用于基于各组旋转误差矩阵对应的多组解生成多组回转角度误差。
需要说明的是，上述实施例提供的物体姿态识别精度的计算装置在执行物体姿态识别精度的计算方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的物体姿态识别精度的计算装置与物体姿态识别精度的计算方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请实施例中，物体姿态识别精度的计算装置首先通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据后转换成多组第一旋转矩阵，再计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵，然后基于第二旋转矩阵生成目标物体的多组旋转误差矩阵，再根据多组旋转误差矩阵生成目标物体的多组回转角度误差，再将多组回转角度误差确定为物体姿态识别精度的计算指标，最后根据计算指标的数值计算目标物体的姿态识别精度。由于本发明通过定义了物体姿态识别精度评价表达方式为回转角度误差，可以根据计算出的回转角度误差的数值对物体姿态的识别精度进行评定，根据评定结果得到设备的产品精度性能，从而提升了用户选择设备时的认知度。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的物体姿态识别精度的计算方法。
本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的物体姿态识别精度的计算方法。
请参见图6，为本申请实施例提供了一种终端的结构示意图。如图6所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏（Display）、摄像头（Camera），可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。处理器1001可集成中央处理器（Central Processing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器1005包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图6所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及物体姿态识别精度的计算应用程序。
在图6所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的物体姿态识别精度的计算应用程序，并具体执行以下操作：
通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据；
将多组图像数据转换成多组第一旋转矩阵；
计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵；
基于第二旋转矩阵生成目标物体的多组旋转误差矩阵；
根据多组旋转误差矩阵生成目标物体的多组回转角度误差；
将多组回转角度误差确定为物体姿态识别精度的计算指标；
根据计算指标的数值计算目标物体的姿态识别精度。
在一个实施例中，处理器1001在执行基于第二旋转矩阵生成目标物体的多组旋转误差矩阵时，还执行以下操作：
将第二旋转矩阵进行奇异值分解，生成左奇异向量矩阵和右奇异向量矩阵；
获取预设矩阵参数；
将左奇异向量矩阵进行转置操作，生成转置后的左奇异向量矩阵；
将转置后的左奇异向量矩阵、右奇异向量矩阵以及预设矩阵参数进行相乘，生成平均旋转矩阵；
将平均旋转矩阵进行求逆运算，生成求逆运算后的平均旋转矩阵；
将求逆运算后的平均旋转矩阵和多组第一旋转矩阵逐一相乘，生成目标物体的多组旋转误差矩阵。
在一个实施例中，处理器1001在执行根据多组旋转误差矩阵生成目标物体的多组回转角度误差时，具体执行以下操作：
将多组旋转误差矩阵中各组旋转误差矩阵转换成四元数，生成各组旋转误差矩阵对应的四元数；
求解各组旋转误差矩阵对应的四元数，生成各组旋转误差矩阵对应的多组解；
基于各组旋转误差矩阵对应的多组解生成多组回转角度误差。
在本申请实施例中，物体姿态识别精度的计算装置首先通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据后转换成多组第一旋转矩阵，再计算多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将平均值构建生成第二旋转矩阵，然后基于第二旋转矩阵生成目标物体的多组旋转误差矩阵，再根据多组旋转误差矩阵生成目标物体的多组回转角度误差，再将多组回转角度误差确定为物体姿态识别精度的计算指标，最后根据计算指标的数值计算目标物体的姿态识别精度。由于本发明通过定义了物体姿态识别精度评价表达方式为回转角度误差，可以根据计算出的回转角度误差的数值对物体姿态的识别精度进行评定，根据评定结果得到设备的产品精度性能，从而提升了用户选择设备时的认知度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (10)
1.一种物体姿态识别精度的计算方法，其特征在于，所述方法包括：
通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据；
将所述多组图像数据转换成多组第一旋转矩阵；
计算所述多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将所述平均值构建生成第二旋转矩阵；
基于所述第二旋转矩阵生成目标物体的多组旋转误差矩阵；
根据所述多组旋转误差矩阵生成目标物体的多组回转角度误差；
将所述多组回转角度误差确定为物体姿态识别精度的计算指标；
根据所述计算指标的数值计算所述目标物体的姿态识别精度。
2.根据权利要求1所述的方法，其特征在于，所述不同位置参数包括不同的高度值、不同的位置坐标点、不同的角度值。
3.根据权利要求1所述的方法，其特征在于，所述基于所述第二旋转矩阵生成目标物体的多组旋转误差矩阵，包括：
将所述第二旋转矩阵进行奇异值分解，生成左奇异向量矩阵和右奇异向量矩阵；
获取预设矩阵参数；
将所述左奇异向量矩阵进行转置操作，生成转置后的左奇异向量矩阵；
将所述转置后的左奇异向量矩阵、所述右奇异向量矩阵以及所述预设矩阵参数进行相乘，生成平均旋转矩阵；
将所述平均旋转矩阵进行求逆运算，生成求逆运算后的平均旋转矩阵；
将所述求逆运算后的平均旋转矩阵和所述多组第一旋转矩阵逐一相乘，生成目标物体的多组旋转误差矩阵。
4.根据权利要求3所述的方法，其特征在于，所述预设矩阵参数的计算公式为，预设矩阵参数
，其中V是右奇异向量矩阵，U是左奇异向量矩阵，UT是将左奇异向量矩阵进行转置操作，其中，所述转置操作是将左奇异向量矩阵的行变成列以及列变成行。
5.根据权利要求3所述的方法，其特征在于，所述旋转误差矩阵计算公式为，旋转误差矩阵
，其中，
为平均旋转矩阵的求逆运算，
为第i组旋转矩阵。
6.根据权利要求1所述的方法，其特征在于，所述根据所述多组旋转误差矩阵生成目标物体的多组回转角度误差，包括：
将所述多组旋转误差矩阵中各组旋转误差矩阵转换成四元数，生成各组旋转误差矩阵对应的四元数；
求解所述各组旋转误差矩阵对应的四元数，生成各组旋转误差矩阵对应的多组解；
基于所述各组旋转误差矩阵对应的多组解生成多组回转角度误差。
7.一种物体姿态识别精度的计算装置，其特征在于，所述装置包括：
图像数据采集模块，用于通过三维视觉成像设备采集目标物体在不同位置参数下的多组图像数据；
图像数据转换模块，用于将所述多组图像数据转换成多组第一旋转矩阵；
旋转矩阵构建模块，用于计算所述多组第一旋转矩阵中各组第一旋转矩阵内元素的平均值，并将所述平均值构建生成第二旋转矩阵；
旋转误差矩阵生成模块，用于基于所述第二旋转矩阵生成目标物体的多组旋转误差矩阵；
回转角度误差生成模块，用于根据所述多组旋转误差矩阵生成目标物体的多组回转角度误差；
计算指标确定模块，用于将所述多组回转角度误差确定为物体姿态识别精度的计算指标；
精度计算模块，用于根据所述计算指标的数值计算所述目标物体的姿态识别精度。
8.根据权利要求7所述的装置，其特征在于，所述回转角度误差生成模块，包括：
四元数转换单元，用于将所述多组旋转误差矩阵中各组旋转误差矩阵转换成四元数，生成各组旋转误差矩阵对应的四元数；
求解单元，用于求解所述各组旋转误差矩阵对应的四元数，生成各组旋转误差矩阵对应的多组解；
回转角度误差生成单元，用于基于所述各组旋转误差矩阵对应的多组解生成多组回转角度误差。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1~6任意一项的方法步骤。
10.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1~6任意一项的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011054099.5A CN111915674B (zh) | 2020-09-30 | 2020-09-30 | 一种物体姿态识别精度的计算方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011054099.5A CN111915674B (zh) | 2020-09-30 | 2020-09-30 | 一种物体姿态识别精度的计算方法、装置、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111915674A CN111915674A (zh) | 2020-11-10 |
| CN111915674B true CN111915674B (zh) | 2021-01-01 |
Family
ID=73265364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011054099.5A Active CN111915674B (zh) | 2020-09-30 | 2020-09-30 | 一种物体姿态识别精度的计算方法、装置、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915674B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107515012A (zh) * | 2017-07-21 | 2017-12-26 | 北京航天计量测试技术研究所 | 基于单轴旋转机构的动态视觉测量系统校准装置及方法 |
| CN107953329A (zh) * | 2016-10-17 | 2018-04-24 | 中国科学院深圳先进技术研究院 | 物体识别和姿态估计方法、装置及机械臂抓取系统 |
| CN109631911A (zh) * | 2018-12-17 | 2019-04-16 | 浙江大学 | 一种基于深度学习目标识别算法的卫星姿态转动信息确定方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6452668B1 (en) * | 1998-10-13 | 2002-09-17 | Arc Second, Inc. | Rotating head optical transmitter for position measurement system |
| CN111297480A (zh) * | 2020-02-20 | 2020-06-19 | 京东方科技集团股份有限公司 | 一种跟踪定位件、配准方法、存储介质及电子设备 |
-
2020
- 2020-09-30 CN CN202011054099.5A patent/CN111915674B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107953329A (zh) * | 2016-10-17 | 2018-04-24 | 中国科学院深圳先进技术研究院 | 物体识别和姿态估计方法、装置及机械臂抓取系统 |
| CN107515012A (zh) * | 2017-07-21 | 2017-12-26 | 北京航天计量测试技术研究所 | 基于单轴旋转机构的动态视觉测量系统校准装置及方法 |
| CN109631911A (zh) * | 2018-12-17 | 2019-04-16 | 浙江大学 | 一种基于深度学习目标识别算法的卫星姿态转动信息确定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《三维坐标转换精度及其影响因素的研究》;张皓琳;《光电工程》;20121031;第39卷(第10期);全文 * |
| 《激光扫描数据三维坐标转换的精度分析》;杨伟;《工程勘察》;20041231(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111915674A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107223269B (zh) | 三维场景定位方法和装置 | |
| EP3660703B1 (en) | Method, apparatus, and system for identifying device, storage medium, processor, and terminal | |
| CN111815754A (zh) | 一种三维信息确定方法、三维信息确定装置及终端设备 | |
| CN108882156B (zh) | 一种校准定位基站坐标系的方法及装置 | |
| CN111724481A (zh) | 对二维图像进行三维重构的方法、装置、设备及存储介质 | |
| CN113244622B (zh) | 碰撞数据处理方法和装置、存储介质及电子设备 | |
| CN113077548B (zh) | 针对物体的碰撞检测方法、装置、设备和存储介质 | |
| CN108430032B (zh) | 一种实现vr/ar设备位置共享的方法及设备 | |
| KR20220079978A (ko) | 보정 방법 및 장치, 프로세서, 전자 기기, 저장 매체 | |
| CN112686950A (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
| CN107534202A (zh) | 一种测量天线姿态的方法和装置 | |
| CN112197708B (zh) | 测量方法及装置、电子设备及存储介质 | |
| CN111915674B (zh) | 一种物体姿态识别精度的计算方法、装置、存储介质及终端 | |
| CN113671523A (zh) | 机器人定位方法、装置、存储介质及机器人 | |
| CN114037987A (zh) | 一种废钢智能识别方法、装置、介质及设备 | |
| CN112102391A (zh) | 测量方法及装置、电子设备及存储介质 | |
| CN116128938A (zh) | 一种数字模型比对方法、装置、设备及介质 | |
| CN113628284B (zh) | 位姿标定数据集生成方法、装置、系统、电子设备及介质 | |
| CN112200861B (zh) | 柱类型的确定方法和装置、存储介质及电子设备 | |
| CN113758481A (zh) | 栅格地图生成方法、装置、系统、存储介质及电子设备 | |
| CN110991050B (zh) | Cad叠图方法及相关产品 | |
| CN113872798A (zh) | 空间网络拓扑图的构建方法、装置、存储介质及电子设备 | |
| CN107784132A (zh) | 基于体感技术的cad制图系统 | |
| CN113446940A (zh) | 一种点云扫描方法、装置及设备 | |
| CN112150527A (zh) | 测量方法及装置、电子设备及存储介质 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201110 Assignee: Institute of Information Technology, Zhejiang Peking University Assignor: Zhejiang smart video security Innovation Center Co.,Ltd. Contract record no.: X2021330000326 Denomination of invention: A calculation method, device, storage medium and terminal for object attitude recognition accuracy Granted publication date: 20210101 License type: Common License Record date: 20210927 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201110 Assignee: Hangzhou Weiming Information Technology Co.,Ltd. Assignor: Zhejiang smart video security Innovation Center Co.,Ltd. Contract record no.: X2021330000536 Denomination of invention: A calculation method, device, storage medium and terminal for object attitude recognition accuracy Granted publication date: 20210101 License type: Common License Record date: 20211021 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201110 Assignee: Hangzhou Jinghe Robot Technology Co.,Ltd. Assignor: Zhejiang smart video security Innovation Center Co.,Ltd. Contract record no.: X2022330000056 Denomination of invention: A calculation method, device, storage medium and terminal for object attitude recognition accuracy Granted publication date: 20210101 License type: Common License Record date: 20220325 |
|
| EE01 | Entry into force of recordation of patent licensing contract |