[发明专利]一种姿态估计方法、装置、电子设备及存储介质

说明书

本申请实施例提供一种姿态估计方法、装置、电子设备及存储介质，涉及计算机视觉技术领域，可以提高获取姿态信息的准确度和鲁棒性。该方法包括：获取包含目标物体的目标图像；对目标图像进行特征提取，得到目标物体的姿态特征和关键特征，关键特征包括关键点特征和边缘轮廓特征中的至少一个；根据姿态特征和关键特征，得到目标物体的姿态信息。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种姿态估计方法、装置、电子设备及存储介质。

背景技术

物体姿态估计作为计算机视觉领域中的一个非常重要的环节，在机器人领域(例如，机械臂抓取)、增强现实(Augmented Reality，AR)/虚拟现实(Virtual Reality，VR)领域、无人驾驶领域、物体追踪领域和建模领域等也有着重要的影响。物体姿态估计就是指计算目标物体和相机之间的变换矩阵，即姿态信息，目前获取姿态信息的方法主要分为两种，一种是从二维(Two Dimensional，2D)图像中提取局部特征或目标物体区域，该2D图像包括目标物体的图像特征，再结合目标物体的三维(Three Dimensional，3D)空间信息求解姿态信息；另一种是利用彩色图像和其对应的姿态信息来训练神经网络，再用训练后的神经网络从目标物体的彩色图像中获取目标物体的姿态信息。

然而，对于弱纹理目标物体，由于其图像提供的信息有限，无法保证提取出足够有效的局部特征或目标物体区域来求解姿态信息，神经网络也无法准确获取到弱纹理目标的姿态信息，因此可知上述相关方法的准确度和鲁棒性都较差。

发明内容

本申请实施例提供一种姿态估计方法、装置、电子设备及存储介质，可以提高获取姿态信息的准确度和鲁棒性。

为实现上述技术目的，本申请实施例采用如下技术方案：

第一方面，本申请实施例提供了一种姿态估计方法，该方法包括：获取包含目标物体的目标图像；对目标图像进行特征提取，得到目标物体的姿态特征和关键特征，关键特征包括关键点特征和边缘轮廓特征中的至少一个；根据姿态特征和关键特征，得到目标物体的姿态信息。

在一种可能的实施方式中，所述姿态特征为姿态特征图，所述关键特征为关键特征图。所述对目标图像进行特征提取，得到目标物体的姿态特征和关键特征，包括：将目标图像输入特征提取网络，得到目标物体的基础属性；基础属性用于表征目标物体在目标图像中的表面结构信息；将基础属性分别输入姿态特征提取网络和关键特征提取网络，得到姿态特征图、关键特征图。

另一种可能的实施方式中，关键特征图包括关键点特征图和边缘轮廓特征图；关键特征提取网络包括关键点检测网络和边缘轮廓检测网络。所述将基础属性分别输入姿态特征提取网络和关键特征提取网络，得到姿态特征图、关键特征图，包括：将基础属性分别输入姿态特征提取网络、关键点检测网络和边缘轮廓检测网络，得到姿态特征图、关键点特征图和边缘轮廓特征图。

另一种可能的实施方式中，所述根据姿态特征和关键特征，得到目标物体的姿态信息，包括：对姿态特征图和关键特征图进行拼接，得到组合特征图；将组合特征图输入姿态识别网络，得到姿态信息。

另一种可能的实施方式中，在所述对目标图像进行特征提取，得到目标物体的姿态特征和关键特征之前，该方法还包括：获取初始姿态检测模型；再获取样本图像、样本姿态信息和样本关键信息；然后，将样本图像作为输入样本、将样本关键信息和样本姿态信息作为输出样本，对初始姿态检测模型进行训练，得到姿态检测模型；初始姿态检测模型包括初始特征提取网络、初始姿态特征提取网络、初始关键特征提取网络和初始姿态识别网络。其中，样本姿态信息表示样本图像中的样本物体的姿态信息；样本关键信息表示样本图像中的样本物体的关键点位置和边缘轮廓中至少一个；姿态检测模型包括特征提取网络、姿态特征提取网络、关键特征提取网络和姿态识别网络。