基于稠密向量图的物体6D位姿回归算法

针对稀疏间接两阶段位姿估计算法遮挡、噪声鲁棒性差、实时性低以及n点透视投影(perspective-n-point,PnP)计算过程不可微分等难题,提出基于稠密向量图的端到端物体6D位姿回归算法。以投票算法第1阶段预测的稠密张量信息为输入,代替逐像素投票及PnP计算环节,端到端直接回归物体6D位姿。首先,在特征提取模块提取成对向量特征;其次,在特征聚合模块引入基于余弦相似函数的聚类特征损失正则项;最后,通过旋转、平移解耦推理物体6D位姿。在网络训练的数据输入环节加入随机噪声数据以提升算法的噪声鲁棒性,在球体合成数据集和Occlusion-LINEMOD数据集上的测试结果证明了该算法的有效性。