基于混合通道注意力的类别级物体六自由度位姿估计

针对有光照变化、距离变化、背景杂乱、遮挡等干扰的场景下物体六自由度位姿估计精度低的问题,提出了一种结合多尺度特征融合和注意力机制的混合通道注意力模块(mixed channel attention,MCA)。在MCA基础上进一步构建了类别级物体六自由度位姿估计方法(MCA6D),其关键步骤包括物体的实例分割,特征提取与基于MCA的特征优化,基于先验形状的物体模型重建,及基于点云配准的位姿估计。本文方法在公共数据集CAMERA和REAL分别取得86.3%(5°2 cm)、73.4%(5°5 cm)和39.2%(5°2 cm)、43.3%(5°5 cm)的均值平均精度,领先于NOCS、SPD、SGPA等主流方法;同时实物实验表明本文方法在存在光照变化、距离变化、背景杂乱、遮挡等干扰的场景可准确估计物体六自由度位姿。

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。