公开(公告)号：CN117218192A

公开(公告)日：2023-12-12

申请号：CN202311103136.0

申请日：2023-08-30

Applicant: 江苏科技大学

Inventor： 郑天宇 ,  张胜文 ,  舒瑞 ,  张春燕 ,  程德俊

IPC: G06T7/73 ,  G06V10/82 ,  G06F30/27 ,  G06T15/00 ,  G06V10/25 ,  G06V10/26 ,  G06V10/44 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明公开一种基于深度学习与合成数据的弱纹理物体位姿估计方法，对无纹理CAD模型进行渲染得到合成数据，经过融合CBAM模块的5层卷积层组成的自编码器网络得到位姿潜在特征提取网络，制作成码本，将真实测试图像输入到改进的Mask R‑CNN实例分割网络得到包围框信息；对包围框信息进行裁剪，输入位姿潜在特征提取网络得到潜在特征向量；根据潜在特征向量与模板潜在向量计算出余弦相似度，采用k近邻算法得到3D旋转位姿；根据真实测试图像中CAD模型数据的边界框信息得到z轴平移量估计值，采用图像坐标系与相机坐标系的转化关系式得到x轴和y轴上的平移量；提高了网络表达特征的能力，降低计算复杂度，在减少模型参数量的同时提高6D位姿估计识别精度。