基于单目相机的两阶段物体六自由度位姿估计方法研究.pdfVIP

摘要

物体六自由度位姿估计是计算机视觉中的关键性问题，在机械臂抓取和自动

化装配等领域有着广泛应用。传统模板匹配方法实现对弱纹理工业零件的高精度

位姿估计，但算法开销大。基于深度学习的位姿估计算法实时性上有了显著提升，

但由于工业零件的弱纹理特性，造成估计精度低。

针对以上问题，本文提出一种两阶段的位姿估计方法，第一阶段基于物体掩码

和2D位置特征实现位姿的粗估计；第二阶段基于物体轮廓信息，通过可微的高斯

-牛顿优化算法对粗估计算法结果的偏差进行优化校正。本文的主要研究工作包括

了以下四个方面：

(1)针对精确位姿估计算法优化过程易陷入局部最优值问题，设计一种两阶段

的位姿估计方案，研究粗位姿估计，为精确位姿估计算法提供一个粗略的位

姿初始值，避免精确位姿估计算法陷入局部最优值；

(2)研究粗位姿估计方法，提出一种基于掩码和2D位置特征的粗位姿估计算法：

通过掩码预测分支预测物体的实例分割，用过实例分割结果计算物体2D包

围框，提取2D位置特征；设计一种位置感知状态空间模块(PSM)，实现2D

位置特征编码和特征嵌入，提高了弱纹理工业零件粗位姿估计的准确度；

(3)提出一种基于动态蛇形卷积的轮廓特征提取网络：通过可微的高斯-牛顿优

化算法最小化物体轮廓和投影轮廓误差，实现精确位姿估计；针对基线模型

边缘特征提取能力弱的问题，引入动态蛇形卷积对FPN-Lite轮廓特征提取

网络的跳跃连接部分进行改进，实现对连续轮廓特征的有效提取和背景轮

廓特征的滤除；

(4)在自建的位姿估计数据集上分别对提出的粗位姿估计算法和精确位姿估计

算法进行实验验证，通过准确度和实时性两个指标对模型进行评价。

在自建的工业零件数据集进行模型训练与测试，平移距离在0.4m到0.45m范

围内，输入分辨率为640×480的单目RGB图像。考虑本文提出的两阶段位姿估

计算法整体流程，实验表明，平均平移误差为0.72mm，平均旋转角度误差为0.65º，

速度为每秒8帧，估计准确度和实时性相对基线模型均有提高。传统模板匹配方

法位姿估计均时为4.46秒，与其相比，本文提出的两阶段算法实时性得到显著提

升，同时并未明显损失准确性，实现了高精度与高效率的位姿估计。

关键词:物体位姿估计；单目视觉；弱纹理目标；状态空间模型；动态蛇形卷积

Abstract

Thesix-degree-of-freedomposeestimationofanobjectisakeyissueincomputer

visionandiswidelyusedinfieldssuchasroboticarmgrabbingandautomatedassembly.

Traditionaltemplatematchingmethodsachievehigh-precisionposeestimationfor

weaklytexturedindustrialparts,butthealgorithmoverheadishigh.Thereal-time

performanceoftheposeestimationalgorithmbasedondeeplearninghasbeen

significantlyimproved,butduetotheweaktexturecharacteristicsofindustrialparts,the

estimationaccuracyislow.

Inresponsetotheaboveproblems,thispaperproposesatwo-stageposeestimation

method.Thefirststageisbasedontheobjectmaskand2Dpositionfeaturestoachievea

roughestimateofthepose;thesecondstageis