利用点云处理的实时的类别级位姿估计

针对传统的视觉算法无法准确地测量物体3D质心和尺寸、无法检测数据集中未出现过的物体等问题,提出一种基于点云的类别级物体质心与位姿估计算法.首先通过2D分割算法对物体待检测区域进行分割,并通过BlendMask提高实时性;然后将分割区域生成点云,并结合先验形状输入到神经网络中重建物体模型;最后输出一个变形场以及对应矩阵,并通过Umeyama算法对物体进行位姿估计.实验结果表明,所提算法达到了较高的精度;在质心估计方面也优于包络盒中心作为质心的算法;实时速率达到了13帧/s.在GPUNVIDIA2060上进行仿真实验,证明了所提算法计算的质心优于对比算法,以及该算法的准确性及可靠性.