[发明专利]一种物体六自由度姿态估计方法、系统、装置及介质

权利要求书

1.一种物体六自由度姿态估计方法，其特征在于，包括以下步骤：

提取目标物体观测点云以及所述目标物体对应的三维模型的点级深度特征，获得两组深度特征；

对所述两组深度特征进行特征的解耦，分别获得目标物体观测点云和三维模型的姿态特征、匹配特征；

根据匹配特征获取目标物体观测点云中的每个点的深度特征到三维模型的每个点的深度特征的部分到部分的关联关系，以及获取三维模型中每个点的深度特征到目标物体观测点云中每个点的深度特征的完整到完整的关联关系；获得的这两种关联关系呈现出对偶的性质；

根据获得的两种关联关系对姿态特征和匹配特征进行对齐，获得姿态特征对和匹配特征对；

根据匹配特征对对姿态特征对进行挑选及聚合，获得包含有高质量姿态特征对的深度特征；

根据所述包含有高质量姿态特征对的深度特征对目标物体的六自由度姿态进行回归，实现六自由度姿态的估计。

2.根据权利要求1所述的一种物体六自由度姿态估计方法，其特征在于，所述提取目标物体观测点云以及所述目标物体对应的三维模型的点级深度特征，获得两组深度特征，包括：

对观测到的目标物体的点云信息以及所述目标物体的对应的三维模型进行下采样，分别得到N_x和N_y个点；

对提取到的点进行体素化，通过三维稀疏卷积来提取二者体素级的特征；

通过线性插值的方法将每个体素的特征映射到原始点上，得到观测到的目标物体的每个点的深度特征以及所述目标物体的对应的三维模型上每个点的深度特征

3.根据权利要求1所述的一种物体六自由度姿态估计方法，其特征在于，所述对所述两组深度特征进行特征的解耦，分别获得目标物体观测点云和三维模型的姿态特征、匹配特征，包括：

通过两个多层感知机，对目标物体观测点云的每个点的深度特征进行解耦，获得用于姿态估计的姿态特征以及用于寻找关联关系的匹配特征

通过两个多层感知机，对所述三维模型的每个点的深度特征进行解耦，获得用于姿态估计的姿态特征以及用于寻找关联关系的匹配特征

4.根据权利要求1所述的一种物体六自由度姿态估计方法，其特征在于，所述根据匹配特征获取目标物体观测点云中的每个点的深度特征到三维模型的每个点的深度特征的部分到部分的关联关系，以及获取三维模型中每个点的深度特征到目标物体观测点云中每个点的深度特征的完整到完整的关联关系，包括：

将目标物体观测点云中每个点用于寻找关联关系的匹配特征与所述目标物体对应的三维模型中每个点用于寻找关联关系的特征的转置做点乘，并通过Softmax函数来对关联关系进行归一化，得到部分到部分的关联关系

将所述目标物体所应的三维模型中每个点用于寻找关联关系的特征与目标物体观测点云中每个点用于寻找关联关系的匹配特征的转置做点乘，并通过Softmax函数来对关联性进行归一化，得到完整到完整的关联关系

5.根据权利要求1所述的一种物体六自由度姿态估计方法，其特征在于，所述根据获得的两种关联关系对姿态特征和匹配特征进行对齐，获得姿态特征对和匹配特征对，包括：

使用部分到部分的关联关系A₁分别对所述目标物体对应的三维模型的姿态特征和匹配特征进行加权求和，得到与目标物体观测点云中每个点相对应的姿态特征和匹配特征并使得姿态特征通过一个多层感知机来回归目标物体观测点云在标准姿态下的坐标从而监督关联性A₁的学习；将特征与特征拼接在一起，构成一组姿态特征对将特征与特征拼接在一起，构成一组匹配特征对

使用完整到完整的关联关系A₂分别对目标物体观测点云的姿态特征和匹配特征进行加权求和，得到与目标物体所对应的三维模型中每个点相对应的姿态特征和匹配特征并使得姿态特征通过一个多层感知机来回归目标物体所对应的三维模型在目标物体当前姿态下的坐标从而监督关联性A₂的学习；将特征与特征拼接在一起，构成一组姿态特征对特征与特征拼接在一起，构成一组匹配特征对

将两组姿态特征对与组合成一组姿态特征对将两组匹配特征对和组合成一组匹配特征对