测量运动物体姿态的三自由度定位算法的研究

研究了一种采用加速度计、磁阻传感器和单片机的三自由度定位装置及其算法 ,给出了A/D转换器的位数与系统分辨率的关系 ,研究了环境磁场对测量结果的影响 ,提出了环境磁场补偿算法并讨论了补偿算法的误差。该装置可用于运动物体航向、俯仰和倾斜三个方向的姿态角的测量。

利用BP神经网络实现三维物体姿态的测定

本文利用BP(Back-Propagation)人工神经网络对三维物体的姿态测定进行了研究。姿态测定一直缺少通用而实际的方法,人工神经网络由于具有强大的自组织、自适应学习能力,迅速的并行信息处理能力,可望解决这个问题。但现有BP算法存在训练慢和易陷入局部最小两个问题.本文提出的级联形式网络结构,使BP网络的训练速度大为提高,陷入局部最小的可能性大为降低。利用这种级联结构对飞机模型姿态测定,取得了较好的实验结果。

基于物体姿态迁移学习的机器人无序抓取方法

采用智能机器人完成无序抓取任务(Bin-picking)已成为工业自动化的上下料场景的新型解决方案,而从散乱零件中识别目标物体并完成姿态估计是解决此类问题的关键。为解决高度自动化的工业上下料场景中的机器人无序抓取任务,借助基于物体渲染的样本合成方法,提出用于姿态估计样本的改进CycleGAN迁移模型,增加了基于物体掩码的内容一致性损失,实现了无需真实域标注和无配对样本下的姿态估计样本的跨域迁移,并提出了基于姿态迁移学习的机器人无序抓取方法,进行了无需人工标注的物体6D姿态估计,实现了高度自动化的模型训练流程和简单易用的模型部署流程。同时,该文方法经实际场景下的抓取实验证明其切实有效。

面向人机协同的物体姿态估计帧间稳定性优化方法

现有的物体姿态估计方法无法提供具有帧间稳定性的估计姿态,导致将其结果直接用于增强现实等可视化场景时会引起画面抖动,不适用于人机协同等应用场景。文中提出了一种包含多种方式的物体姿态估计优化方法,通过对原始姿态估计方法的损失函数的改进,并使用因果滤波的方法优化姿态估计结果,以获得具有稳定性的估计姿态。此外,为完善对姿态估计方法稳定程度的评价体系,文中提出了直接偏差距离DBD、方向反转率DRR与平均位移角ADA 3种评价指标,可以从多个角度对物体姿态估计方法的帧间稳定性进行评价。最后,使用YCB-STB数据集作为测试样本,并将所提方法与未经优化的原始方法进行对比测试。结果表明,所提方法可在不引入额外资源开销的情况下提高现有物体姿态估计方法的帧间稳定性,且对原始方法的准确率影响较小,满足了人机协同场景对物体姿态估计结果的需求。

基于特征融合和注意力机制的物体6D姿态估计算法

针对物体6D姿态估计易受目标物体的弱纹理和小体积特性、复杂背景、遮挡的影响,提出一种结合特征融合和注意力机制的物体6D姿态估计算法。首先,在RGB图像特征提取网络的首个卷积块中加入卷积注意力模块,提升弱纹理小物体的区域显著度;其次,在基于编解码结构的RGB图像特征提取网络中引入基于卷积注意力模块的跳跃连接,有效地将编码阶段的颜色、纹理等细节外观特征融合到解码阶段的姿态语义特征中,弥补姿态语义特征缺乏细节外观特征的问题;然后,使用通道注意力模块改进池化金字塔模块,增强目标物体可见区域与遮挡区域的联系,提升遮挡鲁棒性;最后,使用卷积注意力模块重构解码阶段输出的姿态语义特征,增强相似表面特征的区分度,从而降低外观相似物体对物体6D姿态估计的干扰。实验结果表明,该算法在Occlusion LINEMOD数据集和LINEMOD数据集上ADD(-S)指标分别达到73.4%和99.8%,与FFB6D相比,分别提升7.8百分点和0.1百分点,验证了该算法的可行性。

基于物体6D姿态估计算法的增强现实博物馆展示系统

针对文化遗产资源缺少生动逼真、沉浸感的展示的问题,基于增强现实技术,融合人工智能,提出了一种基于物体6D姿态估计算法的增强现实博物馆展示系统,用于文化遗产三维可视化展示。物体的6D姿态估计是指检测图像中出现的物体,并且估计其相对观察者的3D位置和方向。在增强现实领域中,6D姿态估计用于测量真实环境中物体的姿态,并将虚拟物体以正确的姿态添加到它们上面。针对增强现实系统中场景和对象融合精度低、速度慢的问题,研究了一种端到端的物体6D姿态估计网络,实现从RGB图像中进行物体目标检测以及姿态估计,提出的方法使用并联网络结构提取高分辨率特征,可以保留更多的空间信息,提升预测物体关键点的精度,使用一个姿态推理网络方式替代传统的数学计算方法,从关键点中得到物体的姿态,实现端到端姿态估计,提升检测速度。在该方法的基础上,研究了结合云计算、5G通信等多项技术的增强现实分布式框架,实现移动端的增强现实应用。实验结果表明,文中提出的物体6D姿态估计方法的准确率达到92.6%,运行速度达到30帧/s,满足增强现实应用的需求,可用于增强现实博物馆展示系统,为其提供生动的互动内容,突破文化遗产实物的时空局限性,为观众带来身临其境的参观体验。

一套测定物体坐标与姿态的光学系统

本文介绍一套经济的光学系统，可用于测定物体在欧氏空间的坐标与姿态．该系统主要部件是一个锥形传感器．当一束激光扫过传感器时，扫描光形成的平面与锥形体相交．其截面可被传感器用于确定光平面方程．用户可将传感器固定在机械手末端执行器上．并以传感器坐标系作为机械手末端坐标系．然后从３个预定位置将３束激光扫向传感器．则可准确地测定机械手末端的坐标与姿态．

融合注意力特征的遮挡物体6D姿态估计

在机械臂视觉抓取过程中,现有的算法在复杂背景、光照不足、遮挡等条件下,难以对目标物体进行实时、准确、鲁棒的姿态估计。针对以上问题,提出一种基于关键点方法的融合注意力特征的物体6D姿态网络。首先,在跳跃连接(Skip Connection)阶段引入能够聚焦通道空间信息的卷积注意力模块(CBAM),使编码阶段的浅层特征与解码阶段的深层特征进行有效融合,增强特征图的空间域信息和精确位置通道信息;其次,采用归一化损失函数以弱监督的方式回归每个关键点的注意力图,将注意力图作为对应像素位置上关键点偏移量的权重分数;最后,累加求和得到关键点坐标。实验结果证明,所提网络在LINEMOD数据集和Occlusion LINEMOD数据集上ADD(-S)指标分别达到了91.3%和46.3%。与基于关键点的逐像素投票网络(PVNet)相比ADD(-S)指标分别提升了5.0个百分点和5.5个百分点,验证了所提网络在遮挡场景下有更好的鲁棒性。