CN112562001A - 一种物体6d位姿估计方法、装置、设备及介质 - Google Patents
一种物体6d位姿估计方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112562001A CN112562001A CN202011581215.9A CN202011581215A CN112562001A CN 112562001 A CN112562001 A CN 112562001A CN 202011581215 A CN202011581215 A CN 202011581215A CN 112562001 A CN112562001 A CN 112562001A
- Authority
- CN
- China
- Prior art keywords
- feature
- geometric
- features
- color
- scene
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000004927 fusion Effects 0.000 claims abstract description 38
- 230000004044 response Effects 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 28
- 238000010276 construction Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 5
- 230000008447 perception Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种物体6D位姿估计方法、装置、设备及介质,方法包括:对包含目标物体的RGB图像和深度图进行特征提取,得到颜色特征和几何特征;对目标物体的模型信息进行特征提取,得到模型的颜色特征和几何特征;将每个特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征;根据场景的几何特征和模型的几何特征,确定相关图,并确定注意力响应图;根据颜色特征、几何特征、场景的几何特征和模型的几何特征,构建第一融合特征和第二融合特征;进而构建得到总体特征;根据总体特征,通过位姿估计网络确定目标物体的6D位姿。本发明提高了实时性和鲁棒性,可广泛应用于机器人环境感知技术领域。
Description
技术领域
本发明涉及机器人环境感知技术领域,尤其是一种物体6D位姿估计方法、装置、设备及介质。
背景技术
散乱场景的三维物体拾取是机器人操作领域中的一类经典问题,即是利用机械臂将在箱子中无序摆放、堆叠的物体取出。而识别物体6D位姿是其中的重点和难点。物体6D位姿估计的目标是获取待测物体在相机坐标系下的三维笛卡尔坐标以及三维旋转向量信息,是许多实际场景的核心。例如在智能机器人的相关任务中,识别物体的6D位姿,可以为抓取和运动规划提供有用的信息;在虚拟现实应用中,物体的6D位姿是支持任何对象之间虚拟交互的关键。
根据输入数据的不同可以将位姿估计的方法分类为:基于RGB的方法和基于RGB-D的方法。
现有基于RGB的方法:传统方法依赖于关键点的检测和与已知物体模型的匹配。较新的方法是通过学习预测2D关键点并通过PnP预测物体位姿,这些方法都能满足实时性的要求,但是当目标物体的纹理或几何细节较少时,他们取得的效果都很差。因为深度学习在计算机视觉领域的成功,许多方法使用卷积神经网络从RGB图像中提取有代表性的特征。
现有基于RGB-D的方法:传统方法从RGB-D数据中提取三维特征,并进行对应分组和假设验证。该方法可以直接从图像数据中估算6D位姿,但是需要依靠昂贵的后处理步骤来充分利用深度信息。
发明内容
有鉴于此,本发明实施例提供一种实时性高且鲁棒性好的物体6D位姿估计方法、装置、设备及介质。
本发明的一方面提供了一种物体6D位姿估计方法,包括:
对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征;
对所述目标物体的模型信息进行特征提取,得到不同特征点的模型的颜色特征和模型的几何特征;
将每个所述特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征;
根据所述场景的几何特征和所述模型的几何特征,确定所述目标物体的相关图;
根据所述相关图确定注意力响应图;
根据所述颜色特征、所述几何特征和所述场景的几何特征,构建第一融合特征;所述第一融合特征包含所述场景中的颜色信息和深度信息;
根据所述颜色特征、所述几何特征和所述模型的几何特征,构建第二融合特征;所述第二融合特征包含所述模型中的颜色信息和深度信息;
根据所述第一融合特征和所述第二融合特征,构建得到总体特征;
根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿。
优选地,所述对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征,包括:
获取包含目标物体的RBG图像以及包含目标物体的深度图;
通过相机内参矩阵将所述深度图转化为场景点云;
从所述RBG图像和所述场景点云中提取像素级别的第一特征点;
对若干个所述第一特征点进行随机采样,确定所述场景的颜色特征和几何特征;
通过PointNet从物体模型的颜色信息集合和位置信息集合中提取第二特征点;
对若干个所述第二特征点进行随机采样,确定所述模型的颜色特征和几何特征。
优选地,所述将每个所述特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征,包括:
通过相机内参矩阵,根据所述特征点在图像平面上的投影,将所述特征点的几何特征与对应的颜色特征相关联,得到特征对;
对所述特征对进行连接,并且通过对称函数生成全局特征向量;
其中,所述全局特征向量包括场景的几何特征和模型的几何特征。
优选地,所述根据所述场景的几何特征和所述模型的几何特征,确定所述目标物体的相关图,包括:
对所述场景的几何特征和所述模型的几何特征进行点积运算,得到所述目标物体的相关图;
其中,所述点积运算的计算公式为:
E=ψm(Pm)·ψs(Id)T
优选地,所述根据所述相关图确定注意力响应图,包括:
将softmax函数应用于所述相关图的每一列来计算得到所述注意力响应图;
其中,所述注意力响应图的计算公式为:
其中,A中的每一列代表概率密度;Aij表示物体模型中的第i个几何特征与场景信息中的第j个几何特征之间的相似度;Ek,j代表所述目标物体的相关图。
优选地,所述根据所述相关图确定注意力响应图之后,还包括:
将颜色特征确定为显式软约束;
根据所述显式软约束,通过所述注意力响应图维持颜色特征与几何特征之间的注意力一致性;
其中,所述注意力一致性的数学表达式为:
其中,Hj代表重构的场景的颜色特征;Aij物体模型中的第i个几何特征与场景信息中的第j个几何特征之间的相似度;φm(Cm)代表模型的颜色特征。
优选地,所述根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿,包括:
对所述总体特征进行编码;
计算位姿估计损失;
根据所述位姿估计损失,确定损失函数;
构建自监督置信度;
根据所述损失函数和所述自监督置信度,计算得到总损失函数;
根据所述总损失函数,从编码后的总体特征中确定所述目标物体的6D位姿。
本发明实施例还提供了一种物体6D位姿估计装置,包括:
第一特征提取模块,用于对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征;
第二特征提取模块,用于对所述目标物体的模型信息进行特征提取,得到不同特征点的模型的颜色特征和模型的几何特征;
关联模块,用于将每个所述特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征;
第一确定模块,用于根据所述场景的几何特征和所述模型的几何特征,确定所述目标物体的相关图;
第二确定模块,用于根据所述相关图确定注意力响应图;
第一构建模块,用于根据所述颜色特征、所述几何特征和所述场景的几何特征,构建第一融合特征;所述第一融合特征包含所述场景中的颜色信息和深度信息;
第二构建模块,用于根据所述颜色特征、所述几何特征和所述模型的几何特征,构建第二融合特征;所述第二融合特征包含所述模型中的颜色信息和深度信息;
第三构建模块,用于根据所述第一融合特征和所述第二融合特征,构建得到总体特征;
第三确定模块,用于根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿。
本发明实施例还提供了一种电子设备,,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
本发明的实施例对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征;将每个所述特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征;根据所述场景的几何特征和所述模型的几何特征,确定所述目标物体的相关图;根据所述相关图确定注意力响应图;根据所述颜色特征、所述几何特征和所述场景的几何特征,构建第一融合特征;所述第一融合特征包含所述场景中的颜色信息和深度信息;根据所述颜色特征、所述几何特征和所述模型的几何特征,构建第二融合特征;所述第二融合特征包含所述模型中的颜色信息和深度信息;根据所述第一融合特征和所述第二融合特征,构建得到总体特征;根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿。本发明在位姿估计任务中引入了物体的深度图,能避免由于投影而丢失刚性物体的部分几何约束信息所造成的网络性能下降;在位姿估计任务中引入了物体模型的先验信息,能避免网络由于物体外观的歧义性所造成的网络性能下降,提高了实时性和鲁棒性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的整体步骤流程图;
图2为本发明实施例提供的整体框架示意图;
图3为本发明实施例提供的注意力一致性损失的计算过程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
针对现有技术存在的问题,本发明实施例提供了一种基于注意力一致性网络的6D物体位姿估计方法,旨在显式有效地利用物体模型的先验信息。其中,物体模型是一个密集的点云模型,每个顶点都包含三维位置信息和RGB信息。并引入注意力一致性损失来指导网络训练,保持场景RGB-D图像的颜色信息和深度信息与物体模型的先验信息之间的注意力一致性。从而可以实时地对目标物体进行6D位姿估计,同时对遮挡有良好的鲁棒性。
参考图1,本发明的物体6D位姿估计方法包括以下步骤:
对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征;
对所述目标物体的模型信息进行特征提取,得到不同特征点的模型的颜色特征和模型的几何特征;
将每个所述特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征;
根据所述场景的几何特征和所述模型的几何特征,确定所述目标物体的相关图;
根据所述相关图确定注意力响应图;
根据所述颜色特征、所述几何特征和所述场景的几何特征,构建第一融合特征;所述第一融合特征包含所述场景中的颜色信息和深度信息;
根据所述颜色特征、所述几何特征和所述模型的几何特征,构建第二融合特征;所述第二融合特征包含所述模型中的颜色信息和深度信息;
根据所述第一融合特征和所述第二融合特征,构建得到总体特征;
根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿。
优选地,所述对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征,包括:
获取包含目标物体的RBG图像以及包含目标物体的深度图;
通过相机内参矩阵将所述深度图转化为场景点云;
从所述RBG图像和所述场景点云中提取像素级别的第一特征点;
对若干个所述第一特征点进行随机采样,确定所述场景的颜色特征和几何特征;
通过PointNet从物体模型的颜色信息集合和位置信息集合中提取第二特征点;
对若干个所述第二特征点进行随机采样,确定所述模型的颜色特征和几何特征。
优选地,所述将每个所述特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征,包括:
通过相机内参矩阵,根据所述特征点在图像平面上的投影,将所述特征点的几何特征与对应的颜色特征相关联,得到特征对;
对所述特征对进行连接,并且通过对称函数生成全局特征向量;
其中,所述全局特征向量包括场景的几何特征和模型的几何特征。
优选地,所述根据所述场景的几何特征和所述模型的几何特征,确定所述目标物体的相关图,包括:
对所述场景的几何特征和所述模型的几何特征进行点积运算,得到所述目标物体的相关图;
其中,所述点积运算的计算公式为:
E=ψm(Pm)·ψs(Id)T
优选地,所述根据所述相关图确定注意力响应图,包括:
将softmax函数应用于所述相关图的每一列来计算得到所述注意力响应图;
其中,所述注意力响应图的计算公式为:
其中,A中的每一列代表概率密度;Aij表示物体模型中的第i个几何特征与场景信息中的第j个几何特征之间的相似度;Ek,j代表所述目标物体的相关图。
优选地,所述根据所述相关图确定注意力响应图之后,还包括:
将颜色特征确定为显式软约束;
根据所述显式软约束,通过所述注意力响应图维持颜色特征与几何特征之间的注意力一致性;
其中,所述注意力一致性的数学表达式为:
其中,Hj代表重构的场景的颜色特征;Aij物体模型中的第i个几何特征与场景信息中的第j个几何特征之间的相似度;φm(Cm)代表模型的颜色特征。
优选地,所述根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿,包括:
对所述总体特征进行编码;
计算位姿估计损失;
根据所述位姿估计损失,确定损失函数;
构建自监督置信度;
根据所述损失函数和所述自监督置信度,计算得到总损失函数;
根据所述总损失函数,从编码后的总体特征中确定所述目标物体的6D位姿。
下面结合说明书附图,以散乱场景下机器人进行三维物体拾取的过程为例,对本发明的物体6D位姿估计方法进行详细描述:
本发明的目的是为了克服现有技术存在的缺陷而提出了一种基于注意力一致性网络的6D物体位姿估计方法,旨在显式有效地利用物体模型先验信息,实现遮挡、杂乱等复杂场景下物体位姿的快速而准确的实时估计。
图2是本发明的整体框架结构示意图。具体来说,网络输入数据可以分为场景信息和物体模型信息。场景信息包括RGB图像和深度图像,而物体模型信息是一个密集的点云集合,其中每个顶点都包含三维位置信息和RGB信息。进一步可将点云集合划分为位置信息集合Pm和颜色信息集合Cm,以便网络可以分别提取单个模态特征。给定场景信息和物体模型先验信息,目标是估计目标物体从其世界坐标系到相机世界坐标系的刚性变换,即求解出相应的3D位置信息和3D方向信息R∈SO(3)。该网络结构主要分为三个部分,分别是密度特征融合模块,注意力匹配模块,位姿估计模块。
1)密度特征融合模块
本发明可以通过语义分割模块提取包含目标物体的RGB图像Irgb和深度图Id。同时,利用已知的相机内参矩阵,将深度图Id转化为场景点云。然后,可以使用PSPNet和PointNet分别从Irgb和场景点云提取像素级别的特征。为了保持不同场景和物体模型的一致性,随机采样N个特征点,即得到场景的颜色特征和几何特征类似地,使用PointNet从物体模型的颜色信息集合Cm和位置信息集合Pm提取特征,随机采样N个特征点,即得到模型的颜色特征和几何特征
为了获得全局特征,使用已知的相机内参矩阵,根据在图像平面上的投影,将每个点的几何特征与其对应的颜色特征像素相关联。然后,将获得的特征对进行连接并使用对称函数ζ(·,·)生成固定大小的全局特征向量。即可分别得到场景的全局特征和模型的全局特征
2)注意力匹配模块
(a)、本发明采用共注意机制,通过使用几何特征来构造场景与物体模型的响应。具体地,利用上述密度特征融合模块得到的场景几何特征ψs(Id)和模型的几何特征ψm(Pm),对相应位置上的几何特征进行点积运算,得到相关图数学表达式如下:
E=ψm(Pm)·ψs(Id)T
其中,A中的每一列代表概率密度,而Aij则表示物体模型中的第i个几何特征与场景信息中的第j个几何特征之间的相似度。
(b)、如图3所示,本发明将颜色特征设计为显式的软约束,并隐式地利用注意力响应图A以维持颜色特征和几何特征之间的注意力一致性。
理想情况下,注意力响应图A描述场景点云和先验对象模型之间的几何相似性。在一定程度上,几何相似性也反映了物体模型和场景之间的颜色相似性。为了使用物体模型颜色特征来构造场景颜色特征,特征与场景越相似,其相应的权重就越大。因此,可通过物体模型的颜色特征和注意力响应图A重构场景的颜色特征H,其数学表达式为:
反映场景中特定区域的特征与反映物体模型中相同区域的特征具有相同的表征。在这种情况下,对于颜色和几何信息,特征之间的相关图都应具有较大的响应。因此,上述重构的场景颜色特征H主要由物体模型中与场景相关的具有较大权重的特征所贡献。
也就是说,重构的场景颜色特征H应该与原始场景的颜色特征φs趋于一致,这可以隐式地引导注意力响应图A在颜色通道中保持相同的注意力。因此,本发明采用场景的颜色特征φs和构造的场景颜色特征H之间的均方误差(MSE)作为注意力一致性网络训练的损失,其数学表达式为:
(c)、为了构建包含场景中颜色和深度信息的融合特征本发明将场景的颜色特征φs(IrgB)、几何特征ψs(Id)和全局特征ζ(ψs(Id),φs(Irgb))进行连接,其中D=dglob+drgb+dgeo。同样的,对于物体模型,通过连接物体模型的颜色特征φm(Cm)、几何特征ψm(Pm)和全局特征ζ(ψm(Pm),φm(Cm))可构造出物体模型的融合特征
3)位姿估计模块:
本发明将位姿估计损失定义为在地面真实位姿中的物体模型上采样的点与由预测位姿转换的同一模型上的对应点之间的距离。数学表达式如下:
其中,xj表示从物体的3D模型中随机采样的N个点的第j个点,p=[R*,t*]代表地面真实位姿,pi=[Ri,ti]代表从第i个点生成的预测位姿。但是,对称物体有多个规范框架,从而导致多次正确的3D旋转。因此,对于对称物体,上述损失函数应修改为:
最终,本发明的神经网络的总损失函数的数学表达式如下:
其中λ1=0.01和λ2=1.0是网络训练的超参数。
综上所述,本发明提出了一种用于新颖的6D位姿估计的注意力一致性网络。其一,在位姿估计任务中,引入了包含几何信息和颜色信息的物体模型先验信息。其二,通过使用共注意力机制,开发一种新的注意力一致性损失来指导网络训练,保持颜色和几何信息之间的注意力一致性。
相较于现有技术,本发明具有以下突出的优点:
1)、相比于基于RGB的方法,该方法在位姿估计任务中引入了物体的深度图,能避免由于投影而丢失刚性物体的部分几何约束信息所造成的网络性能下降。
2)、相比于基于RGB-D的方法,该方法在位姿估计任务中引入了物体模型的先验信息,能避免网络由于物体外观的歧义性所造成的网络性能下降。
本发明实施例还提供了一种物体6D位姿估计装置,包括:
特征提取模块,用于对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征;
关联模块,用于将每个所述特征点的颜色特征和几何特征进行关联,得到场景的场景的几何特征和模型的模型的几何特征;
第一确定模块,用于根据所述场景的几何特征和所述模型的几何特征,确定所述目标物体的相关图;
第二确定模块,用于根据所述相关图确定注意力响应图;
第一构建模块,用于根据所述颜色特征、所述几何特征和所述场景的几何特征,构建第一融合特征;所述第一融合特征包含所述场景中的颜色信息和深度信息;
第二构建模块,用于根据所述颜色特征、所述几何特征和所述模型的几何特征,构建第二融合特征;所述第二融合特征包含所述模型中的颜色信息和深度信息;
第三构建模块,用于根据所述第一融合特征和所述第二融合特征,构建得到总体特征;
第三确定模块,用于根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿。
本发明实施例还提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种物体6D位姿估计方法,其特征在于,包括:
对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征;
对所述目标物体的模型信息进行特征提取,得到不同特征点的模型的颜色特征和模型的几何特征;
将每个所述特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征;
根据所述场景的几何特征和所述模型的几何特征,确定所述目标物体的相关图;
根据所述相关图确定注意力响应图;
根据所述颜色特征、所述几何特征和所述场景的几何特征,构建第一融合特征;所述第一融合特征包含所述场景中的颜色信息和深度信息;
根据所述颜色特征、所述几何特征和所述模型的几何特征,构建第二融合特征;所述第二融合特征包含所述模型中的颜色信息和深度信息;
根据所述第一融合特征和所述第二融合特征,构建得到总体特征;
根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿。
2.根据权利要求1所述的一种物体6D位姿估计方法,其特征在于,所述对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征,包括:
获取包含目标物体的RBG图像以及包含目标物体的深度图;
通过相机内参矩阵将所述深度图转化为场景点云;
从所述RBG图像和所述场景点云中提取像素级别的第一特征点;
对若干个所述第一特征点进行随机采样,确定所述场景的颜色特征和几何特征;
通过PointNet从物体模型的颜色信息集合和位置信息集合中提取第二特征点;
对若干个所述第二特征点进行随机采样,确定所述模型的颜色特征和几何特征。
3.根据权利要求1所述的一种物体6D位姿估计方法,其特征在于,所述将每个所述特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征,包括:
通过相机内参矩阵,根据所述特征点在图像平面上的投影,将所述特征点的几何特征与对应的颜色特征相关联,得到特征对;
对所述特征对进行连接,并且通过对称函数生成全局特征向量;
其中,所述全局特征向量包括场景的几何特征和模型的几何特征。
7.根据权利要求1所述的一种物体6D位姿估计方法,其特征在于,所述根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿,包括:
对所述总体特征进行编码;
计算位姿估计损失;
根据所述位姿估计损失,确定损失函数;
构建自监督置信度;
根据所述损失函数和所述自监督置信度,计算得到总损失函数;
根据所述总损失函数,从编码后的总体特征中确定所述目标物体的6D位姿。
8.一种物体6D位姿估计装置,其特征在于,包括:
第一特征提取模块,用于对包含目标物体的RGB图像和深度图进行特征提取,得到不同特征点的颜色特征和几何特征;
第二特征提取模块,用于对所述目标物体的模型信息进行特征提取,得到不同特征点的模型的颜色特征和模型的几何特征;
关联模块,用于将每个所述特征点的颜色特征和几何特征进行关联,得到场景的几何特征和模型的几何特征;
第一确定模块,用于根据所述场景的几何特征和所述模型的几何特征,确定所述目标物体的相关图;
第二确定模块,用于根据所述相关图确定注意力响应图;
第一构建模块,用于根据所述颜色特征、所述几何特征和所述场景的几何特征,构建第一融合特征;所述第一融合特征包含所述场景中的颜色信息和深度信息;
第二构建模块,用于根据所述颜色特征、所述几何特征和所述模型的几何特征,构建第二融合特征;所述第二融合特征包含所述模型中的颜色信息和深度信息;
第三构建模块,用于根据所述第一融合特征和所述第二融合特征,构建得到总体特征;
第三确定模块,用于根据所述总体特征,通过位姿估计网络确定所述目标物体的6D位姿。
9.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011581215.9A CN112562001B (zh) | 2020-12-28 | 2020-12-28 | 一种物体6d位姿估计方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011581215.9A CN112562001B (zh) | 2020-12-28 | 2020-12-28 | 一种物体6d位姿估计方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112562001A true CN112562001A (zh) | 2021-03-26 |
CN112562001B CN112562001B (zh) | 2023-07-21 |
Family
ID=75032776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011581215.9A Active CN112562001B (zh) | 2020-12-28 | 2020-12-28 | 一种物体6d位姿估计方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562001B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269830A (zh) * | 2021-05-17 | 2021-08-17 | 中山大学 | 基于几何约束协同注意力网络的6d位姿估计方法和装置 |
CN113450410A (zh) * | 2021-06-29 | 2021-09-28 | 浙江大学 | 一种基于对极几何的单目深度和位姿联合估计方法 |
CN114821125A (zh) * | 2022-04-08 | 2022-07-29 | 华南理工大学 | 一种物体六自由度姿态估计方法、系统、装置及介质 |
WO2023273272A1 (zh) * | 2021-06-30 | 2023-01-05 | 达闼科技(北京)有限公司 | 目标位姿估计方法、装置、计算设备、存储介质及计算机程序 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842148A (zh) * | 2012-07-10 | 2012-12-26 | 清华大学 | 一种无标记运动捕捉及场景重建方法及装置 |
CN109146962A (zh) * | 2018-09-07 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 检测脸部角度的方法、装置、存储介质和终端设备 |
CN111179324A (zh) * | 2019-12-30 | 2020-05-19 | 同济大学 | 基于颜色和深度信息融合的物体六自由度位姿估计方法 |
CN111899301A (zh) * | 2020-06-02 | 2020-11-06 | 广州中国科学院先进技术研究所 | 一种基于深度学习的工件6d位姿估计方法 |
-
2020
- 2020-12-28 CN CN202011581215.9A patent/CN112562001B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842148A (zh) * | 2012-07-10 | 2012-12-26 | 清华大学 | 一种无标记运动捕捉及场景重建方法及装置 |
CN109146962A (zh) * | 2018-09-07 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 检测脸部角度的方法、装置、存储介质和终端设备 |
CN111179324A (zh) * | 2019-12-30 | 2020-05-19 | 同济大学 | 基于颜色和深度信息融合的物体六自由度位姿估计方法 |
CN111899301A (zh) * | 2020-06-02 | 2020-11-06 | 广州中国科学院先进技术研究所 | 一种基于深度学习的工件6d位姿估计方法 |
Non-Patent Citations (2)
Title |
---|
姜翰青;赵长飞;章国锋;王慧燕;鲍虎军;: "基于多视图深度采样的自然场景三维重建", 计算机辅助设计与图形学学报, no. 10, pages 1 - 4 * |
岑仕杰;何元烈;陈小聪;: "结合注意力与无监督深度学习的单目深度估计", 广东工业大学学报, no. 04, pages 1 - 5 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269830A (zh) * | 2021-05-17 | 2021-08-17 | 中山大学 | 基于几何约束协同注意力网络的6d位姿估计方法和装置 |
CN113450410A (zh) * | 2021-06-29 | 2021-09-28 | 浙江大学 | 一种基于对极几何的单目深度和位姿联合估计方法 |
CN113450410B (zh) * | 2021-06-29 | 2022-07-26 | 浙江大学 | 一种基于对极几何的单目深度和位姿联合估计方法 |
WO2023273272A1 (zh) * | 2021-06-30 | 2023-01-05 | 达闼科技(北京)有限公司 | 目标位姿估计方法、装置、计算设备、存储介质及计算机程序 |
CN114821125A (zh) * | 2022-04-08 | 2022-07-29 | 华南理工大学 | 一种物体六自由度姿态估计方法、系统、装置及介质 |
CN114821125B (zh) * | 2022-04-08 | 2024-05-14 | 跨维(深圳)智能数字科技有限公司 | 一种物体六自由度姿态估计方法、系统、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112562001B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Labbé et al. | Cosypose: Consistent multi-view multi-object 6d pose estimation | |
CN108416840B (zh) | 一种基于单目相机的三维场景稠密重建方法 | |
CN112562001B (zh) | 一种物体6d位姿估计方法、装置、设备及介质 | |
RU2713611C2 (ru) | Способ моделирования трехмерного пространства | |
KR20210042942A (ko) | 비디오 데이터를 이용한 객체 인스턴스 매핑 | |
CN108305278B (zh) | 一种orb-slam算法中图像匹配相关性改进方法 | |
CN113850900B (zh) | 三维重建中基于图像和几何线索恢复深度图的方法及系统 | |
CN107851332A (zh) | 经由拓扑知晓表面跟踪的一致细分 | |
CN109063549A (zh) | 基于深度神经网络的高分辨率航拍视频运动目标检测方法 | |
US20220319055A1 (en) | Multiview neural human prediction using implicit differentiable renderer for facial expression, body pose shape and clothes performance capture | |
CN112330825A (zh) | 一种基于二维图像信息的三维模型检索方法 | |
KR20230150867A (ko) | 얼굴 표정, 신체 자세 형상 및 의류 퍼포먼스 캡처를 위해 암시적 구별가능 렌더러를 사용하는 멀티뷰 신경 사람 예측 | |
CN115082498A (zh) | 一种机器人抓取位姿估计方法、装置、设备及存储介质 | |
CN113269830B (zh) | 基于几何约束协同注意力网络的6d位姿估计方法和装置 | |
CN113281779B (zh) | 一种3d物体快速检测方法、装置、设备及介质 | |
CN117711066A (zh) | 一种三维人体姿态估计方法、装置、设备及介质 | |
CN114049678B (zh) | 一种基于深度学习的面部动作捕捉方法及系统 | |
CN115359119A (zh) | 一种面向无序分拣场景的工件位姿估计方法及装置 | |
CN112146647B (zh) | 一种地面纹理的双目视觉定位方法及芯片 | |
CN114067371A (zh) | 一种跨模态行人轨迹生成式预测框架、方法和装置 | |
CN112712062A (zh) | 基于解耦截断物体的单目三维物体检测方法和装置 | |
GB2593718A (en) | Image processing system and method | |
Yong et al. | A Robust CoS-PVNet Pose Estimation Network in Complex Scenarios | |
CN117745924B (zh) | 基于深度无偏估计的神经渲染方法、系统及设备 | |
CN115187743B (zh) | 一种地铁站内部环境布置预测和白模采集方法及系统 |
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 |