[发明专利]用于估计物体的姿态的方法

说明书

技术领域

本发明一般地涉及估计3D物体的姿态，并且更具体地涉及从由3D传感器获取的数据估计姿态。

背景技术

物体的姿态具有6个自由度(6-DoF)，即3D平移和3D旋转。姿态估计的问题是指找出物体相对于参考坐标系(通常是传感器的坐标系)的姿态。能够利用3D模型使用来自传感器的测量结果(例如，2D图像、3D点云)获取姿态。姿态估计在很多机器人应用中都扮演了重要的角色，这些机器人应用例如为箱式拾取、抓握、位置测定、自主导航和3D重建。

近来，姿态估计主要使用2D图像来进行，这是因为相机是经济有效的并且允许快速图像获取。利用2D图像的主要问题在于将2D图像与模型中的它们对应的3D特征进行匹配。这由于相机的各种照明条件和不同的视点引起了图像空间中的旋转和尺度方面的变化而变得具有挑战性。此外，物体的一些视图能够理论上导致模糊的姿态。已知若干不变的特征描述符来确定输入图像与图像的数据库之间的对应性，其中，2D关键点与3D坐标匹配。

很多工业部件是无纹理的，例如，机械加工后的金属部件或者模塑成型的塑料部件。因此，需要严重地依赖于图像中的可观察的边缘。当使用物体的边界时，物体的一组边缘模板常常已知为先验，并且在查询边缘图(query edge maps)中搜索模板。已知包括边缘取向或层级表示的若干变化。基于强度的边缘检测常常产生了过多的边缘像素，其中，只有一些是来自深度不连续性的有用的边缘。能够使用多闪光灯相机来通过从多个闪光方向投射阴影来直接估计深度边缘。

一般来说，与2D数据相反地，利用3D传感器获得的3D数据具有少的多的变化。主要的挑战在于在存在传感器噪声、遮挡和杂乱时解决对应性问题。对应性问题是指找出数据中的特征与模型中的特征之间的一一匹配。这些特征通常被构造为以物体的大小和形状为特征。已知若干3D特征描述符，其使用表面点和法向的分布以及匹配过程。这些描述符通常对于刚性体变换来说是不变的，但是对于噪声和遮挡敏感。此外，这些特征要求密集的点云，这可能是不可获得的。

利用传感器3D数据与模型之间的各种对应性能够进行姿态估计：3D对应性、2线对应性和6点至3或更多平面。通常，这些对应性在诸如随机样本一致性(RANdom Sample Consensus)(RANSAC)的假设测试框架中使用以确定姿态。替选地，能够使用霍夫投票方案或者参数空间中的聚类来从假设的姿态分布的模式获得姿态。这些方法当在没有图像或其它事先的信息的情况下仅能够获得3D传感器数据时受困于下述两个问题。点、线和平面不是能够单独地区分并且是组合的以匹配，并且难以在没有对模型进行任何事先处理的情况下实现快速的计算。

能够通过物体的表面上的两个取向点之间的距离和相对取向来限定对特征。物体由存储在哈希表中用于快速取回的一组取向点对特征来表示。从传感器数据中采样任意两个点并且每个这样的对对于特定姿态进行投票。所要求的姿态对应于具有最大数目的票的姿态。由像素与偏移像素之间的深度差构成的简单的对特征用于利用随机森林集合分类器的人类姿态估计。

发明内容

本发明的实施方式提供了一种基于投票的方法，其用于根据由3D传感器获取的数据估计物体的姿态。虽然在现有技术中使用的取向表面点(具有法向的物体的表面上的点)对于具有显著的曲率变化的物体来说是可区分的，但是这些表面点对于很多工业和真实世界的物体(其是平面的)来说紧凑和可分辨程度不够。

为了从边界获得信息，边缘在2D记录中扮演了重要的角色，但是深度不连续性在3D中是重要的。实施方式提供了姿态估计方法，其更好地研究了该边界信息。除了取向表面点之外，我们使用两个其它几何图元，包括取向边界点(位于具有方向的物体的边界上的点)和边界线分段。

仔细选择的图元对更多信息进行压缩编码并且从而为更广泛的工业部件提供了更大的准确性并且允许更快的计算。

附图说明

图1是能够使用本发明的实施方式的机器人组件设备的示意图；

图2A是用于使用根据本发明的实施方式的基于投票的方法确定3D物体的姿态的方法的框图；

图2B是使用基于投票的方法确定3D物体的姿态的方法的细节的框图；

图3A-图3D是根据本发明的实施方式的用于基于投票的姿态估计的对特征的示意图；以及

图4是根据本发明的实施方式的从传感器数据获得的线对特征与从模型获得的线对特征之间的变换的示意图。

具体实施方式