买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学技术大学

摘要：本发明公开了一种基于图卷积双流形状先验自适应类别级物体姿态估计方法，包括：S1、输入物体RGB‑D图像数据和物体三维CAD模型集合数据；S2、获取物体类别级形状先验点云；S3、获取物体在深度相机下的下采样前点云；S4、多尺度图卷积网络提取多尺度姿态感知物体特征；S5、多层感知机网络提取多尺度形状感知物体特征；S6、对多尺度姿态感知物体特征和多尺度形状感知物体特征进行信息传递与特征融合，得到物体描述符；S7、从特征融合获得变形场和对应关系矩阵；S8、根据变形场、对应关系矩阵以及物体类别级形状先验点云重构物体标准化坐标表示，实现物体姿态估计。本发明更高效和准确，解决了类别级物体姿态估计中姿态感知不足的问题。

主权项：1.一种基于图卷积双流形状先验自适应类别级物体姿态估计方法，其特征在于，包括：S1、输入摄像机采集的物体RGB-D图像数据和物体三维CAD模型集合数据；S2、从物体三维CAD模型集合数据库中获取物体类别级形状先验点云；S3、对物体RGB-D图像数据进行预处理，获取物体在深度相机下的下采样前点云；S4、通过多尺度图卷积网络从下采样前点云中提取多尺度姿态感知物体特征；S5、通过多层感知机网络从先验点云中提取多尺度形状感知物体特征；S6、对提取的多尺度姿态感知物体特征和多尺度形状感知物体特征进行信息传递与特征融合，得到物体描述符；S7、利用形状先验适应方法从特征融合获得变形场和对应关系矩阵；S8、根据变形场、对应关系矩阵以及物体类别级形状先验点云重构物体标准化坐标表示，并实现物体姿态估计；所述S6包括采用特征传播机制将不同尺度上的先验点云中点的个数对齐为相同，所述S6具体包括：S61、对于下采样前点云Po中的每个点Pn执行最近邻搜索算法，找到每个点在下采样点云Qo中最近点的索引i： 其中，函数表示求出满足{}中最近点条件的索引i，i∈{1,2,…,|Qo|}，n∈{1,2,…,|Po|}，|Qo|表示下采样后点云中点的个数，|Po|表示下采样前点云中点的个数，qi表示下采样后点云Qo中的点，pn表示下采样前点云Po中的点；S62、对下采样前点云Po中的每个点pn执行特征索引操作，通过索引点qi的特征来获取其在下采样后点云Qo中对应的特征；S63、通过最近邻搜索算法和特征索引操作，将下采样前点云Po中每个点pn的特征与不同下采样尺度下的特定点的特征对齐；S64、将对齐后的多尺度姿态感知物体特征Fp'和多尺度形状感知物体特征Fs进行拼接，得到全面的物体描述符Fobj； 其中，No表示经过特征传播机制后六个尺度上的特征都被对齐为具有No个点的特征，Nr和No均设置为1024； 其中，Nr和No均设置为1024；即Fobj具有1024个2880维特征的物体描述符： 或所述S7中包含形变场解码器和对应矩阵解码器，分别用于回归形变场Ddef和对应矩阵A； 形变场回归解码器由三个线性层组成，维度分别为[512,256,Nr*3]，形变场解码器预测先验点云Pr到重建的物体点云的每个点的形变，其中，Ddef的每一行di表示了形变场中的一个向量，Nr是先验点云中点的数量，即重建的物体点云对应矩阵回归解码器由三个线性层组成，维度分别为[512,256,No*Nr]，对应矩阵解码器预测下采样前点云Po中每个点与其重建的物体点云中所有点之间的软对应关系。

全文数据：

权利要求：

百度查询： 中国科学技术大学 基于图卷积双流形状先验自适应类别级物体姿态估计方法