[发明专利]一种类别级三维可形变目标的姿态估计方法

说明书

本发明公开了一种类别级三维可形变目标的姿态估计方法，属于姿态估计领域，所述方法通过获取具有目标姿态的关键点，基于所述关键点构造标准分层坐标空间，将具有刚性部位姿态的关键点和具有整体姿态的关键点分别表示在标准分层坐标空间的不同层中，以最少的点来完整表达目标类别的结构，实现了类别级目标的抽象表示，通过目标的关键点同时学习每个刚性部位的姿态、整体目标的姿态以及连接部位的参数和状态，协同优化刚性部位姿态预测和连接参数预测的结果，防止网络预测过程中出现物理上不可能的结果，具有更高的时敏性和鲁棒性，提高姿态估计的准确性。

技术领域

本发明涉及姿态估计领域，尤其涉及一种类别级三维可形变目标的姿态估计方法。

背景技术

三维目标的姿态估计能够获得物体在三维空间中的精确的姿态，是支撑后续对物体进行的精细操作和动作识别的基础，在机器人的抓握与操控、自动驾驶、增强现实领域等领域都有着重要的应用。随着技术的成熟，机器人、自动驾驶汽车等已经能够在空间中进行很好的定位，但如果想要和环境中的物体时敏目标进行交互，目标的姿态估计是必需的技术。

根据目标是否为不可再分的刚体，可以将姿态估计分为两大类：刚性目标姿态估计和可形变目标姿态估计。刚性目标姿态估计指的是通过模型计算出目标在六个自由度上的姿态，包括三个自由度的平移和三个自由度的旋转。现在已有一些较为成熟的6D姿态估计的方法，例如：PVN3D，NOCS等。而可形变目标的姿态估计与刚性目标姿态估计相比具有更高的挑战，其估计的参数空间更大，这使得刚性目标姿态估计方法并不能直接应用于可形变物体。可形变目标姿态估计问题通常看作刚性目标姿态估计的延伸，将可形变目标视为刚性部件通过关节部位连接而成。因此，对可形变目标进行部位分割，在刚体部位姿态估计的基础上，继续对目标关节的连接状态和连接参数进行估计，以实现对可形变目标的估计。

目前，有一些专门针对可形变目标设计的姿态估计算法被提出，但需要目标精确的实时CAD模型辅助，使得这种算法的应用范围只能被限制为特定的目标实例，同时算法的计算复杂度比较高，其时敏性会受到很大的影响，若要处理类别级目标，由于没有精确的实时CAD模型可用，需要对类别目标进行抽象表示。

发明内容

本发明的目的在于克服现有技术中难以对类别目标进行抽象表示的问题，提供了一种类别级三维可形变目标的姿态估计方法。

本发明的目的是通过以下技术方案来实现的：

提供一种类别级三维可形变目标的姿态估计方法，所述方法包括以下内容：

获取具有目标姿态的关键点，所述关键点包括具有刚性部位姿态的关键点和整体姿态的关键点；

对所述关键点进行标准化处理，利用标准化处理后的关键点构成标准分层坐标空间，将标准化处理后具有刚性部位姿态的关键点和标准化处理后具有整体姿态的关键点分别表示在标准分层坐标空间的不同层中；

对标准分层坐标空间中具有刚性部位姿态的关键点进行预测，得出刚性部位姿态预测；对标准分层坐标空间中具有整体姿态的关键点进行预测，得出整体姿态预测；

利用所述标准化处理后的关键点对目标的关节参数和关节状态进行预测，得出连接参数预测；

利用刚性部位姿态预测和连接参数预测得出整体合成预测，将整体合成预测与整体姿态预测结合，得到目标的真实姿态估计。

优选地，所述获取具有目标姿态的关键点包括：

利用最远点采样的方法在目标表面进行关键点提取。

优选地，基于所述关键点构造标准分层坐标空间包括：从相机空间的目标点集P中提取具有姿态的关键点集P_k，对P_k进行标准化变换，得到标准分层坐标空间中的关键点集

优选地，所述标准化变换包括：