利用RGB图像和DNN进行物体6DOf位姿推算

提出一种基于RGB图片信息进行物体位姿推算的方法。方法利用二维图像分割得到的二值mask图像,并在此基础上进行物体的位姿推算,实现实时准确的物体6Dof位姿信息输出。目前传统上基于RGB-D图像推算物体的6Dof位姿精度较高,但RGB-D双目摄像头往往功耗和体积较大且成本高,而利用RGB图像来进行位姿推算无论在工业还是移动设备上更为实用。针对深度神经网络训练需要大量数据且数据集获取困难的问题,利用blender软件实现了一套物体6Dof位姿训练数据集生成的方法。通用实验表明,所提方法的推算的位姿精度相对较高,位姿推算用时约为0.1s,具有良好的准确性、实时性,且有效解决了计算量问题。