CN116051630B - 高频率6DoF姿态估计方法及系统 - Google Patents

高频率6DoF姿态估计方法及系统 Download PDF

Info

Publication number
CN116051630B
CN116051630B CN202310339420.1A CN202310339420A CN116051630B CN 116051630 B CN116051630 B CN 116051630B CN 202310339420 A CN202310339420 A CN 202310339420A CN 116051630 B CN116051630 B CN 116051630B
Authority
CN
China
Prior art keywords
image
frame
region
interest
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
CN202310339420.1A
Other languages
English (en)
Other versions
CN116051630A (zh
Inventor
张帅
路杰
李慧
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.)
Huiyigu Traditional Chinese Medicine Technology Tianjin Co ltd
Original Assignee
Huiyigu Traditional Chinese Medicine Technology Tianjin Co ltd
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 Huiyigu Traditional Chinese Medicine Technology Tianjin Co ltd filed Critical Huiyigu Traditional Chinese Medicine Technology Tianjin Co ltd
Priority to CN202310339420.1A priority Critical patent/CN116051630B/zh
Publication of CN116051630A publication Critical patent/CN116051630A/zh
Application granted granted Critical
Publication of CN116051630B publication Critical patent/CN116051630B/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
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • 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
    • G06T2207/30204—Marker

Landscapes

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

Abstract

本发明公开了一种高频率6DoF姿态估计方法及系统，该方法包括将带有标记码的模型设置在目标物体上，获取首帧目标物体的完整图像，并利用上一帧目标物体的姿态，预测后续帧的感兴趣区域，根据预测的感兴趣区域获取后续帧的感兴趣区域图像；将每一帧目标物体的图像或感兴趣区域图像利用检测器，检测并识别感兴趣区域中所有标记码的角点；获取标记码角点的二维像素点集和对应的三维空间点集进行目标物体的姿态解算。本申请采用标记码与模型法相结合的形式，解决现有技术中微小物体姿态估计无法准确、连续的问题，减少计算量，实现对微小物体快速连续的进行姿态解算。

Description

高频率6DoF姿态估计方法及系统
技术领域
本发明涉及计算机视觉技术领域，尤其涉及一种高频率6DoF姿态估计方法及系统。
背景技术
姿态估计是确定某一三维目标物体的方位指向问题。姿态估计在机器人视觉、动作跟踪和单照相机定标等很多领域都有应用。
现在的姿态估计方法又包括基于模型方法或基于学习方法，基于模型方法是采用某种几何模型表示物体的结构，在模型和图像之间建立起对应关系，然后通过几何或者其它方法实现物体空间姿态的估计，此方法非常依赖于局部特征的准确检测，一旦无法准确提取局部特征时，鲁棒性受到很大影响。
基于学习方法是从事先获取的不同姿态下的训练样本中学习二维观测与三维姿态之间的对应关系，并将学习得到的决策规则或回归函数应用于样本，所得结果作为对样本的姿态估计，但是此方法无法保证姿态估计的精度与连续性；
而对于微小物体的姿态定位，无论是基于模型法还是基于学习法，单独任意一种姿态估计算法，都无法准确连续的完成定位，例如：对于针灸针的姿态估计中，由于针灸过程中，对于针灸针的针刺角度和针灸手法，例如针灸过程中的进针、撵转捣动、补泻手法等，如何利用姿态估计使针灸手法能够实现化考核以及对经典针灸手法的传承都存在巨大的挑战。
市面上现有的技术，或通过在人体模型内部放置传感器，或通过手持惯性传感器的方式估计针灸针的姿态，造价昂贵的同时，操作员无法获得真实针灸针的感受且姿态准确性较低。针对现有技术的缺陷，本发明提供一种高频率6DoF姿态估计方法及系统，用于解决现有技术中微小物体姿态估计无法准确、连续的问题。
发明内容
因此，本发明的目的在于提供一种高频率6DoF姿态估计方法及系统，采用标记码与模型法相结合的形式，解决现有技术中微小物体姿态估计无法准确、连续的问题，减少计算量，实现对微小物体快速连续的进行姿态解算。
为了实现上述目的，本发明的一种高频率6DoF姿态估计方法，包括以下步骤：
S1、将带有标记码的模型设置在目标物体上，获取首帧目标物体的完整图像，并利用上一帧目标物体的姿态，预测后续帧的感兴趣区域，根据预测的感兴趣区域获取后续帧的感兴趣区域图像；
S2、将每一帧目标物体的图像利用检测器，检测并识别感兴趣区域中所有标记码的角点；
S3、获取标记码角点的二维像素点集和对应的三维空间点集进行目标物体的姿态解算。
进一步优选的，还包括S4、利用指数滑动平均法对解算出的姿态估计值，进行平滑处理，获得稳定的姿态结果。
进一步优选的，在S1中，所述获取首帧目标物体的完整图像，并预测后续帧的感兴趣区域；包括以下步骤：
S101、将第一帧完整图像输入检测器，检测并识别图像中所有标记码的角点；
S102、预测器动态预测第二帧的感兴趣区域；
S103、将第二帧图像的感兴趣区域输入检测器，检测并识别感兴趣区域图像中所有标记码的角点，将角点的像素坐标还原为原始图像坐标系的坐标；
S104、预测器动态预测第三帧的感兴趣区域；
S105、将第三帧图像的感兴趣区域输入检测器，检测并识别感兴趣区域图像中所有标记码的角点，角点像素坐标还原为原始图像坐标系的坐标；
S106、以此类推直至后续帧未检测到标记码，返回S101。
进一步优选的，在S1中，所述预测感兴趣区域包括以下方法：
将带有标记码的模型所有角点的空间坐标，利用上一帧的姿态信息投影到当前帧图像中，获得其二维图像坐标；
计算二维图像坐标外接矩阵，并向外扩充10%得到最终的感兴趣区域。
进一步优选的，所述将带有标记码的模型所有角点的空间坐标，利用上一帧的姿态信息投影到当前帧图像中，获得其二维图像坐标；包括按照以下坐标转换公式将角点的空间坐标转换为角点二维图像坐标；
Figure SMS_1
；
其中，K为相机的内参矩阵，R为相机外参矩阵的旋转矩阵，t为相机外参的偏移矩阵，P为角点的空间坐标，C为角点空间坐标在像素坐标的投影，Zc为空间点在相机坐标系z方向的值。
进一步优选的，在S2中，当目标物体旋转时，视野中出现模型的多个面时，合并多个面中的所有标记码的角点，联合计算姿态。
进一步优选的，在S3中，所述获取标记码角点的二维像素点集和对应的三维空间点集进行目标物体的姿态解算，包括如下步骤：
S301、利用张正友标定法标定相机获取相机的内参矩阵K；
S302、将感兴趣区域中所有标记码角点的二维图像坐标点集(C1，C2，...Cn)、所有角点对应的预设的三维空间点集(P1，P2，...Pn)以及S301获得的相机内参矩阵K，利用姿态估计算法PnP，进行姿态解算。
本发明还提供一种高频率6DoF姿态估计系统，用于实施上述高频率6DoF姿态估计方法，包括带有标记码模型的目标物体、高帧率角点获取模块、姿态解算模块；
所述高帧率角点获取模块，用于获取首帧目标物体的完整图像及后续帧的感兴趣区域图像；将每一帧目标物体的图像利用检测器检测，并识别感兴趣区域中所有标记码的角点；
所述姿态解算模块，用于获取标记码角点的二维像素点集和对应的三维空间点集进行目标物体的姿态解算。
进一步，优选的，还包括平滑处理模块，所述平滑处理模块，利用指数滑动平均法对解算出的姿态，进行平滑处理，获得稳定的姿态结果。
进一步优选的，所述指数滑动平均法采用如下公式对解算出的姿态估计值，进行平滑处理：
Figure SMS_2
；
其中，x1为当前时刻的姿态估计值，x0为上一时刻的姿态估计值，α为加权系数。
本申请公开的一种高频率6DoF姿态估计方法及系统，相比于现有技术至少具有以下优点：
1、本申请提供的姿态估计方法采用在立体模型表面张贴标记码形式，对目标物体进行姿态解算，当目标物体选用针灸针等微小物体时，实现对微小物体的姿态估计，有助于推动实现针灸的客观化考核以及针灸手法的数据化记录；
2、本申请在进行姿态计算时，在前一帧姿态信息引导下获取的当前帧感兴趣区域，极大地降低运算量，为纯视觉方案获取高频率的姿态提供了有效的方案；
3、本申请中，模型为立方体且当视野中模型多面过渡时，多面联合求解姿态提供了平滑且鲁棒的姿态信息。
附图说明
图1为本发明提出的高频率6DoF姿态估计方法的流程示意图。
图2为本发明提出的高频率6DoF姿态估计系统的结构示意图。
图3为本发明实施例中带有标记码模型的目标物体的示意图。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
如图1所示，本发明一方面实施例提供的高频率6DoF姿态估计方法，包括以下步骤：
S1、将带有标记码的模型设置在目标物体上，获取首帧目标物体的完整图像，并利用上一帧目标物体的姿态，预测后续帧的感兴趣区域，根据预测的感兴趣区域获取后续帧的感兴趣区域图像；
进一步优选的，在S1中，所述获取首帧目标物体的完整图像，并预测后续帧的感兴趣区域；包括以下步骤：
S101、将第一帧完整图像输入检测器，检测并识别图像中所有标记码的角点；
S102、预测器动态预测第二帧的感兴趣区域；
S103、将第二帧图像的感兴趣区域输入检测器，检测并识别感兴趣区域图像中所有标记码的角点，将角点的像素坐标还原为原始图像坐标系的坐标；
S104、预测器动态预测第三帧的感兴趣区域；
S105、将第三帧图像的感兴趣区域输入检测器，检测并识别感兴趣区域图像中所有标记码的角点，角点像素坐标还原为原始图像坐标系的坐标；
S106、以此类推直至后续帧未检测到标记码，返回S101。
在S1中，所述预测感兴趣区域包括以下方法：
将带有标记码的模型所有角点的空间坐标，利用上一帧的姿态信息投影到当前帧图像中，获得其二维图像坐标；
计算二维图像坐标外接矩阵，并向外扩充10%得到最终的感兴趣区域。
进一步优选的，所述将带有标记码的模型所有角点的空间坐标，利用上一帧的姿态信息投影到当前帧图像中，获得其二维图像坐标；包括按照以下坐标转换公式将角点的空间坐标转换为角点二维图像坐标；
Figure SMS_3
；
其中，K为相机的内参矩阵，R为相机外参矩阵的旋转矩阵，t为相机外参的偏移矩阵，P为角点的空间坐标，C为角点空间坐标在像素坐标的投影，Zc为空间点在相机坐标系z方向的值。
S2、将每一帧目标物体的图像利用检测器，检测并识别感兴趣区域中所有标记码的角点；在S2中，当目标物体旋转时，视野中出现模型的多个面时，合并多个面中的所有标记码的角点，联合计算姿态。
S3、获取标记码角点的二维像素点集和对应的三维空间点集进行目标物体的姿态解算。
进一步，包括如下步骤：
S301、利用张正友标定法标定相机获取相机的内参矩阵K；
S302、将感兴趣区域中所有标记码角点的二维图像坐标点集(C1，C2，...Cn)、所有角点对应的预设的三维空间点集(P1，P2，...Pn)以及S301获得的相机内参矩阵K，利用姿态估计算法PnP，进行姿态解算。
还包括S4、利用指数滑动平均法对解算出的姿态估计值，进行平滑处理，获得稳定的姿态结果。
如图2所示，本发明还提供一种高频率6DoF姿态估计系统，用于实施上述高频率6DoF姿态估计方法，包括带有标记码模型的目标物体、高帧率角点获取模块、姿态解算模块；其中高帧率角点获取模块还包括检测器和预测器。
所述高帧率角点获取模块，用于获取首帧目标物体的完整图像及后续帧的感兴趣区域图像；将每一帧目标物体的图像及感兴趣区域图像利用检测器检测，并识别感兴趣区域中所有标记码的角点；
所述姿态解算模块，用于获取标记码角点的二维像素点集和对应的三维空间点集进行目标物体的姿态解算。
进一步，优选的，还包括平滑处理模块，所述平滑处理模块，利用指数滑动平均法对解算出的姿态，进行平滑处理，获得稳定的姿态结果。
进一步优选的，所述指数滑动平均法采用如下公式对解算出的姿态估计值，进行平滑处理：
Figure SMS_4
；
其中，x1为当前时刻的姿态估计值，x0为上一时刻的姿态估计值，α为加权系数。
实施例1
在本申请的一个实施例中，如图3所示，目标物体为针灸针，模型为立方体，立方体的前后左右四面张贴有标记码，标记码选用apriltag 码，初始时，设置立方体每个面的标记码角点，例如其中一面标记码角点三维世界坐标为：
Figure SMS_5
；
步骤一、将第一帧完整图像输入检测器，检测并识别图像中所有标记码的角点；
步骤二、预测器动态预测第二帧的感兴趣区域；
步骤三、将第二帧图像的感兴趣区域输入检测器，检测并识别感兴趣区域图像中所有标记码的角点，角点像素坐标还原为原始图像坐标系的坐标；
步骤四、预测器动态预测第三帧的感兴趣区域；
步骤五、将第三帧图像的感兴趣区域输入检测器，检测并识别感兴趣区域图像中所有标记码的角点，角点像素坐标还原为原始图像坐标系的坐标。以此类推如果后续帧未检测到标记码，算法则回退到步骤一。
对获取的每一帧图像（包括首帧完整图像及后续帧的感兴趣区域图像）进行姿态解算；
利用张正友标定法标定相机获取相机的内参矩阵K；
所有角点的二维像素点集(C1，C2，...Cn)、其对应的三维空间点集(P1，P2，...Pn)以及步骤一获得的相机内参矩阵K，输入姿态估计算法（PnP姿态估计算法）估计标记正方体的姿态变换矩阵（R, t）。
利用指数滑动平均平滑算法对获取的姿态处理，获取更为稳定的姿态。
需要说明的是，每一帧图像获取感兴趣区域时，以前一帧图像解算出来的姿态估计值为依据，利用上一帧的姿态信息、相机内参，通过世界坐标系到像素坐标转换公式，将立方体标记码的所有的角点的空间坐标投影到图像中获得所有角点二维图像坐标，然后计算二维图像坐标外接矩阵，并向外扩充10%得到最终的感兴趣区域。其中世界坐标系到像素坐标系转换公式为：
Figure SMS_6
。
显然，上述实施例仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (7)

1.一种高频率6DoF姿态估计方法，其特征在于，包括以下步骤：
S1、将带有标记码的模型设置在目标物体上，获取首帧目标物体的完整图像，并利用上一帧目标物体的姿态，预测后续帧的感兴趣区域，根据预测的感兴趣区域获取后续帧的感兴趣区域图像；
所述利用上一帧目标物体的姿态，预测后续帧的感兴趣区域，包括以下步骤：
S101、将第一帧完整图像输入检测器，检测并识别图像中所有标记码的角点；
S102、预测器动态预测第二帧的感兴趣区域；所述感兴趣区域，采用以下方法：
将带有标记码的模型所有角点的空间坐标，利用上一帧的姿态信息投影到当前帧图像中，获得其二维图像坐标；
计算二维图像坐标外接矩阵，并向外扩充10％得到最终的感兴趣区域；
包括按照以下坐标转换公式将角点的空间坐标转换为角点二维图像坐标；
Figure FDA0004237410180000011
其中，K为相机的内参矩阵，R为相机外参矩阵的旋转矩阵，t为相机外参的偏移矩阵，P为角点的空间坐标，C为角点空间坐标在像素坐标的投影，Zc为空间点在相机坐标系z方向的值；
S103、将第二帧图像的感兴趣区域输入检测器，检测并识别感兴趣区域图像中所有标记码的角点，将角点的像素坐标还原为原始图像坐标系的坐标；
S104、预测器动态预测第三帧的感兴趣区域；
S105、将第三帧图像的感兴趣区域输入检测器，检测并识别感兴趣区域图像中所有标记码的角点，角点像素坐标还原为原始图像坐标系的坐标；
S106、以此类推直至后续帧未检测到标记码，返回S101；
S2、将每一帧目标物体的图像或感兴趣区域图像利用检测器，检测并识别感兴趣区域中所有标记码的角点；
S3、获取标记码角点的二维像素点集和对应的三维空间点集进行目标物体的姿态解算。
2.根据权利要求1所述的高频率6DoF姿态估计方法，其特征在于，还包括S4、利用指数滑动平均法对解算出的姿态估计值，进行平滑处理，获得稳定的姿态结果。
3.根据权利要求1所述的高频率6DoF姿态估计方法，其特征在于，在S2中，当目标物体旋转时，视野中出现模型的多个面时，合并多个面中的所有标记码的角点，联合计算姿态。
4.根据权利要求1所述的高频率6DoF姿态估计方法，其特征在于，在S3中，所述获取标记码角点的二维像素点集和对应的三维空间点集进行目标物体的姿态解算，包括如下步骤：
S301、利用张正友标定法标定相机获取相机的内参矩阵K；
S302、将感兴趣区域中所有标记码角点的二维图像坐标点集(C1，C2，...Cn)、所有角点对应的预设的三维空间点集(P1，P2，...Pn)以及S301获得的相机内参矩阵K，利用姿态估计算法PnP，进行姿态解算。
5.一种高频率6DoF姿态估计系统，其特征在于，用于实施上述权利要求1-4中任意一项所述的高频率6DoF姿态估计方法，包括带有标记码模型的目标物体、高帧率角点获取模块、姿态解算模块；
所述高帧率角点获取模块，用于获取首帧目标物体的完整图像及后续帧的感兴趣区域图像；将每一帧目标物体的图像利用检测器检测，并识别感兴趣区域中所有标记码的角点；
所述姿态解算模块，用于获取标记码角点的二维像素点集和对应的三维空间点集进行目标物体的姿态解算。
6.根据权利要求5所述的一种高频率6DoF姿态估计系统，其特征在于，还包括平滑处理模块，所述平滑处理模块，利用指数滑动平均法对解算出的姿态，进行平滑处理，获得稳定的姿态结果。
7.根据权利要求6所述的高频率6DoF姿态估计系统，其特征在于，所述指数滑动平均法采用如下公式对解算出的姿态估计值，进行平滑处理：
x1＝ax1+(1-a)x0
其中，x1为当前时刻的姿态估计值，x0为上一时刻的姿态估计值，α为加权系数。
CN202310339420.1A 2023-04-03 2023-04-03 高频率6DoF姿态估计方法及系统 Active CN116051630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310339420.1A CN116051630B (zh) 2023-04-03 2023-04-03 高频率6DoF姿态估计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310339420.1A CN116051630B (zh) 2023-04-03 2023-04-03 高频率6DoF姿态估计方法及系统

Publications (2)

Publication Number Publication Date
CN116051630A CN116051630A (zh) 2023-05-02
CN116051630B true CN116051630B (zh) 2023-06-16

Family

ID=86127674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310339420.1A Active CN116051630B (zh) 2023-04-03 2023-04-03 高频率6DoF姿态估计方法及系统

Country Status (1)

Country Link
CN (1) CN116051630B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119148A (zh) * 2019-05-14 2019-08-13 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
CN112435294A (zh) * 2020-11-02 2021-03-02 中国科学院深圳先进技术研究院 目标物体的六自由度姿态跟踪方法及终端设备
CN113927597A (zh) * 2021-10-21 2022-01-14 燕山大学 基于深度学习的机器人连接件六自由度位姿估计系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803275A (zh) * 2017-02-20 2017-06-06 苏州中科广视文化科技有限公司 基于相机位姿估计和空间采样的2d全景视频生成
CN109345588B (zh) * 2018-09-20 2021-10-15 浙江工业大学 一种基于Tag的六自由度姿态估计方法
US11488320B2 (en) * 2019-07-31 2022-11-01 Samsung Electronics Co., Ltd. Pose estimation method, pose estimation apparatus, and training method for pose estimation
CN111968128B (zh) * 2020-07-10 2022-12-20 北京航空航天大学 一种基于图像标记的无人机视觉姿态和位置解算方法
CN116745814A (zh) * 2020-12-18 2023-09-12 西门子股份公司 多维度对象姿态估计和细化
CN112465903A (zh) * 2020-12-21 2021-03-09 上海交通大学宁波人工智能研究院 一种基于深度学习点云匹配的6dof物体姿态估计方法
US11954886B2 (en) * 2021-04-15 2024-04-09 Intrinsic Innovation Llc Systems and methods for six-degree of freedom pose estimation of deformable objects
CN114972414A (zh) * 2021-11-25 2022-08-30 广州光粒智能科技有限公司 一种获取目标物体6DoF数据的方法、设备和存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119148A (zh) * 2019-05-14 2019-08-13 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
CN112435294A (zh) * 2020-11-02 2021-03-02 中国科学院深圳先进技术研究院 目标物体的六自由度姿态跟踪方法及终端设备
CN113927597A (zh) * 2021-10-21 2022-01-14 燕山大学 基于深度学习的机器人连接件六自由度位姿估计系统

Also Published As

Publication number Publication date
CN116051630A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
US20200219267A1 (en) Visual-inertial odometry with an event camera
US9420265B2 (en) Tracking poses of 3D camera using points and planes
US10225473B2 (en) Threshold determination in a RANSAC algorithm
US11842512B2 (en) Apparatus for determining an angle of a trailer attached to a vehicle
JP6503906B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
US20120039507A1 (en) Information Processing Device And Information Processing Method
WO2022012337A1 (zh) 运动臂系统以及控制方法
Zhang et al. A novel absolute localization estimation of a target with monocular vision
EP3185212B1 (en) Dynamic particle filter parameterization
JP2008309595A (ja) オブジェクト認識装置及びそれに用いられるプログラム
CN110428461B (zh) 结合深度学习的单目slam方法及装置
JP5863034B2 (ja) 情報端末装置
JP6228239B2 (ja) プリミティブの組を用いてデータをレジストレーションする方法
CN116051630B (zh) 高频率6DoF姿态估计方法及系统
CN113160221B (zh) 图像处理方法、装置、计算机设备和存储介质
CN108694348B (zh) 一种基于自然特征的跟踪注册方法及装置
CN114926542A (zh) 基于光学定位系统的混合现实固定参考系校准方法
Lee et al. Event-and Frame-based Visual-Inertial Odometry with Adaptive Filtering based on 8-DOF Warping Uncertainty
Savii Camera calibration using compound genetic-simplex algorithm
CN115546876B (zh) 一种瞳孔追踪方法及装置
CN115880338B (zh) 标注方法、标注装置及计算机可读存储介质
JP7498404B2 (ja) 被写体の３次元姿勢推定装置、３次元姿勢推定方法、及びプログラム
CN117934593A (zh) 一种目标物体位姿估计方法、系统及计算机可读存储介质
Zhang et al. Inertial Guided Visual Sample Consensus based wearable orientation estimation for body motion tracking
Grest et al. Monocular body pose estimation by color histograms and point tracking

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