[发明专利]一种基于TM-SRC的三维无纹理目标位姿估计方法

权利要求书

1.一种基于TM-SRC的三维无纹理目标位姿估计方法，其特征在于：该方法具体包括以下步骤：

步骤一：基于三维目标CAD模型构建模板库，利用不同视点的位姿参数计算投影变换矩阵，然后使用开放图形库OpenGL对三维目标CAD模型进行解析渲染，投影生成不同视点下的模板，最后提取模板库模板的特征并进行存储，离线完成模板库构建；

步骤二：构建先验分层树加速搜索匹配，通过引入采样视点位姿的先验知识，将相邻视点的模板归为一类，将中心视点模板作为类别中心，并对模板图像进行降采样，完成先验分层树的构建；

步骤三：输入三维目标测试图像并进行降采样构建测试图像金字塔，加载离线构建的先验分层树的模板特征以及索引信息；在先验分层树的高层使用相似性度量进行匹配，在先验分层树的底层引入稀疏表示分类进行分类，得到最终匹配模板，输出最终匹配模板索引和关联的位姿参数，实现三维无纹理目标的位姿估计。

2.根据权利要求1所述的一种基于TM-SRC的三维无纹理目标位姿估计方法，其特征在于：步骤一包括如下步骤，

利用OpenGL对CCD相机的成像过程进行模拟生成不同视点下的模板图像，提取模板图像的特征并进行存储，离线完成模板库构建；相机成像概括为：世界坐标系O_w-X_wY_wZ_w中的三维点经过相机坐标系O_c-X_cY_cZ_c、图像物理坐标系O_R-xy、图像像素坐标系O_I-uv之间的变换，最终变换为像平面中像素点p_I(u,v)的过程，世界坐标系与图像像素坐标系之间的转换关系表示为:

式中，η＝1/z_c为尺度因子，z_c为深度值；(u₀,v₀)为主点坐标；f_x和f_y为相机焦距与x和y方向的像元尺寸之比；γ表示O_R-xy坐标系两坐标轴垂直度偏差；K为相机的内参矩阵；M为相机的外参矩阵，由旋转矩阵R和平移向量t组成；

基于三维目标CAD模型构建模板库，从不同的视角对目标模型进行投影；利用OpenGL的虚拟相机模拟成像过程，假设三维目标CAD模型处于一个单位球的中心位置，虚拟相机位于球体表面，在不同的视点对三维目标CAD模型进行投影，在球面上移动虚拟相机实现，模板位姿参数由采样视点半径r，绕x-y轴和光轴z旋转角度α,β,λ四个参数表示，在具有四个位姿参数的球面上均匀采样获取各视点位姿参数；每个平面所对应的颜色的RGB三通道值被分别设置为其法向量的三个分量，将目标不同表面赋为不同颜色以满足后续特征提取的需要；

得到模板图像后需要对模板图像进行特征提取用于后续相似度计算，在采样视点位姿附近通过随机采样投影生成大量二维图像；使用离散性差分算子Sobel算子从每幅图像中提取梯度和梯度方向，选取RGB三通道中梯度幅值最大的梯度方向作为该像素点的梯度方向，将提取的梯度方向量化为8个方向；利用量化后的梯度方向在每个像素点上构造梯度方向直方图；最后，保留大于设定阈值的量化梯度方向，对每个像素点构建一个二进制字符串作为特征，同时将直方图的最大频率保留作为后续匹配相似性度量的权重。

3.根据权利要求1所述的一种基于TM-SRC的三维无纹理目标位姿估计方法，其特征在于：步骤二包括如下步骤，

构建先验分层树加速搜索匹配，通过建树的方法加速搜索匹配过程；利用采样视点位姿的先验知识构造分层树，在模板生成过程中，在具有四个位姿参数的球面上均匀采样，每个模板的位姿参数与其相邻模板相近，因此相邻模板之间的相似性会很高；在此先验知识的基础上，将相邻视点归为一类，并将中心视点作为类别中心参与下一次分类，建立先验分层树，使用降采样构建图像金字塔进一步加快匹配速度。

4.根据权利要求1所述的一种基于TM-SRC的三维无纹理目标位姿估计方法，其特征在于：步骤三包括如下步骤，

输入三维目标测试图像并进行降采样构建测试图像金字塔，加载离线构建的先验分层树的模板特征以及索引信息；在现有基于模板匹配的位姿估计方法基础上引入稀疏表示分类，构建基于TM-SRC的位姿估计方法，首先在步骤二生成的先验分层树的高层使用相似性度量进行匹配，采用一种鲁棒的基于特征PCOF的相似性度量：

相似度分数由位运算与(符号∧)计算，其中ori^I和ori^T分别表示测试图像和模板在每个像素点的特征，x,y为模板特征像素点坐标，x_i,y_i为滑动过程中x,y方向的偏移量；δ(ori^I∈ori^T)为单个像素点权值计算函数，n为模板的特征数量,w_i是该像素点的权重，即直方图主方向的频率；如果测试图像和模板特征相与的结果为真，则在相似度分数的分子上加上相应的权重；。