采用辅助学习的物体六自由度位姿估计 |
| |
引用本文: | 陈敏佳,盖绍彦,达飞鹏,俞健.采用辅助学习的物体六自由度位姿估计[J].光学精密工程,2024(6):901-914. |
| |
作者姓名: | 陈敏佳 盖绍彦 达飞鹏 俞健 |
| |
作者单位: | 1. 东南大学自动化学院;2. 东南大学复杂工程系统测量与控制教育部重点实验室;3. 南京航空航天大学空间光电探测与感知工业和信息化部重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(No.62305055);;中央高校基本科研业务费资助(No.NJ2022025); |
| |
摘 要: | 为了在严重遮挡以及少纹理等具有挑战性的场景下,准确地估计物体在相机坐标系中的位置和姿态,同时进一步提高网络效率,简化网络结构,本文基于RGB-D数据提出了采用辅助学习的六自由度位姿估计方法。网络以目标物体图像块、对应深度图以及CAD模型作为输入,首先,利用双分支点云配准网络,分别得到模型空间和相机空间下的预测点云;接着,对于辅助学习网络,将目标物体图像块和由深度图得到的Depth-XYZ输入多模态特征提取及融合模块,再进行由粗到细的位姿估计,并将估计结果作为先验用于优化损失计算。最后,在性能评估阶段,舍弃辅助学习分支,仅将双分支点云配准网络的输出利用点对特征匹配进行六自由度位姿估计。实验结果表明:所提方法在YCB-Video数据集上的AUC和ADD-S<2 cm结果分别为95.9%和99.0%;在LineMOD数据集上的平均ADD(-S)结果为99.4%;在LM-O数据集上的平均ADD(-S)结果为71.3%。与现有的其他六自由度位姿估计方法相比,采用辅助学习的方法在模型性能上具有优势,在位姿估计准确率上有较大提升。
|
关 键 词: | 六自由度位姿估计 辅助学习 深度图像 三维点云 |
|
|