[发明专利]一种弱纹理物体的位姿估计方法及系统

权利要求书

1.一种弱纹理物体的位姿估计方法，其特征在于，包括：

获取第一图像，通过包含多重注意力机制模块的2D检测器网络对所述第一图像进行处理，得到所述第一图像中每个物体的类别、每个物体的2D边界框及每个物体的掩码；

通过相机的内参数矩阵，将所述第一图像的深度信息转换为点云数据；

通过最远点采样算法对每个物体的掩码边界进行处理，得到各物体的掩码边界所对应的4个像素点，通过计算4个像素点的对角线长度，确定各物体的掩码对角线信息；

根据3D旋转估计网络对所述第一图像裁剪后得到的图像、目标物体的2D边界框及目标物体的掩码对角线信息进行处理，得到所述第一图像中目标物体的3D旋转估计信息；

根据3D平移估计网络对所述目标物体的掩码对角线信息及3D旋转估计信息进行处理，得到目标物体的3D平移估计信息；

通过ICP位姿细化网络对所述点云数据、所述目标物体的3D旋转估计信息及所述目标物体的3D平移估计信息进行处理，得到目标物体的最终姿态。

2.如权利要求1所述的一种弱纹理物体的位姿估计方法，其特征在于，所述通过包含多重注意力机制模块的2D检测器网络对所述第一图像进行处理，得到所述第一图像中每个物体的类别、每个物体的2D边界框及每个物体的掩码，具体地：

对所述第一图像进行对象检测及实例分割，得到所述第一图像中每个物体的类别、每个物体的2D边界框及每个物体的掩码。

3.如权利要求2所述的一种弱纹理物体的位姿估计方法，其特征在于，所述对所述第一图像进行对象检测及实例分割，得到所述第一图像中每个物体的类别、每个物体的2D边界框及每个物体的掩码，具体为：

采用包含多重注意力机制模块的2D检测器网络对第一图像进行对象检测和实例分割，获取第一图像中每个物体的类别、每个物体的2D边界框及每个物体的掩码。

4.如权利要求1所述的一种弱纹理物体的位姿估计方法，其特征在于，所述通过最远点采样算法对每个物体的掩码边界进行处理，包括：

在各物体的掩码边界的N个像素点中随机选取一个点作为起始点，并写入起始点集；

计算剩余(N-1)个像素点与所述起始点之间的距离，将距离最远的点移入起始点集，以对所述起始点集进行更新；

计算(N-2)个像素点中每个点与更新后的起始点集中的每一个点的距离，将最短的那个距离作为该点到起始点集的距离，这样就得到(N-2)个到起始点集的距离，然后从这(N-2)个距离中选取距离最远的那个点写入起始点集。

重复上一步，直到起始点集满足预设点数。

5.如权利要求1所述的一种弱纹理物体的位姿估计方法，其特征在于，所述根据3D旋转估计网络对所述第一图像裁剪后得到的图像、目标物体的2D边界框及目标物体的掩码对角线信息进行处理，得到所述第一图像中目标物体的3D旋转估计信息，具体为：

将第一图像通过目标边界框的最长边乘以预设系数裁剪后，加上目标物体的掩码对角线信息输入3D旋转估计网络；

将裁剪图像和目标物体的掩码对角线信息通过编码器进行编码，计算编码结果与3D旋转估计网络中码本的所有编码的余弦相似性，得到第一图像中目标物体的3D旋转估计。

6.如权利要求1所述的一种弱纹理物体的位姿估计方法，其特征在于，所述根据3D平移估计网络对所述目标物体的掩码对角线信息及3D旋转估计信息进行处理，得到目标物体的3D平移估计信息，具体为：

将目标物体的3D旋转估计和掩码对角线信息输入到3D平移估计网络，计算检测到的掩码对角线和相对应的代码本中的掩码对角线之间的比率，得到目标物体的3D平移估计。