基于合成样本的弱纹理物体6D位姿估计

发布时间：2022-02-23 01:08

　　6D位姿估计在智能机器人,无人驾驶以及增强现实等多种应用场景中有重要的研究意义。6D位姿估计是指获取待测物体在相机坐标系下的三维笛卡尔坐标以及三维旋转向量信息。在基于RGB-D数据的方法中6D位姿估计已经取得了很大的进步,然而这种方法因为计算量过大以及RGB-D的传感器的限制,只能在限定的环境中部署。针对表面缺少足够纹理信息的弱纹理物体,在基于目前单目RGB的方法和未有待测物体的真实样本标签的情况下进行6D位姿估计仍是非常具有挑战性的。本文主要研究工作如下:针对无真实样本问题,本文在弱纹理物体的合成样本生成方面指出了目前基于经纬度网格的采样方式存在的缺陷,提出把用于测量球面上不规则图形面积的斐波那契网格的采样方式作为一种新的合成样本采样方式。本文从理论说明了基于经纬度网格的采样方式与基于斐波那契网格两种采样方式的区别。在分别采样1000样本和10000样本的对比实验中,经纬度网格采样方式平均ADD指标为23.18%以及54.768%;斐波那契网格采样方式平均ADD指标为29.48%以及55.35%。证明了基于斐波那契网格的采样方式密铺采样空间效果更好而且所需的采样样本更少。为了解决无真... 

【文章来源】：电子科技大学四川省211工程院校985工程院校教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 6D位姿估计的国内外研究历史与现状
    1.3 本文的主要贡献与创新
    1.4 本论文的结构安排
第二章 6D位姿估计相关理论基础
    2.1 物体三维空间的刚体运动
    2.2 摄像机模型与图像生成
    2.3 2D到3D点对运动的方法
    2.4 本章小结
第三章 基于CAD模型的弱纹理物体合成样本生成
    3.1 引言
    3.2 常见的数据生成方法
    3.3 合成样本采样方式
        3.3.1 基于经纬度网格的采样方式
        3.3.2 基于斐波那契网格的采样方式
    3.4 OpenGL渲染过程及合成样本生成
    3.5 实验与分析
        3.5.1 实验网络模型
        3.5.2 测评数据集及评价指标
        3.5.3 测试结果与评价
    3.6 本章小结
第四章 基于自编码的解耦式6D位姿估计网络
    4.1 引言
    4.2 辅助视点信息的自编码器子网络
        4.2.1 自编码器
        4.2.2 辅助视点信息
        4.2.3 网络框架
    4.3 解耦式6D位姿估计网络
        4.3.1 解耦网络框架
        4.3.2 旋转解耦模块
        4.3.3 平移解耦模块
    4.4 实验与分析
        4.4.1 评价指标
        4.4.2 训练策略
        4.4.3 自编码器对比实验
        4.4.4 测试结果与评价
    4.5 本章小结
第五章 基于光流特权信息的弱纹理物体位姿优化网络
    5.1 引言
    5.2 位姿优化网络结构
        5.2.1 光流信息与位姿估计
        5.2.2 基于CAD模型的损失函数
        5.2.3 网络框架
    5.3 实验与分析
        5.3.1 训练策略
        5.3.2 光流信息测试结果
        5.3.3 测试结果与评价
    5.4 本章小结
第六章 全文总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]AR辅助装配中基体及零件位姿组合估计方法[J]. 刘然,范秀敏,尹旭悦,王冀凯,杨旭.  机械设计与研究. 2018(06)

硕士论文
[1]基于模态转换的典型无人驾驶场景下三维目标识别算法研究[D]. 陈瑷玥.哈尔滨工业大学 2019
[2]复杂场景中的3D目标表达与检测[D]. 康甲.电子科技大学 2019



本文编号：3640560