[发明专利]姿态估计优化方法、装置及存储介质

说明书

本公开涉及计算机视觉领域，尤其涉及一种姿态估计优化方法、装置及存储介质。所述方法：获取测试图像，测试图像中包括目标对象；根据测试图像，采用姿态优化模型输出得到目标对象的姿态偏差，姿态优化模型为采用样本图像对神经网络进行训练得到的模型；根据姿态偏差对目标对象的初始估计姿态进行优化。本公开实施例通过采用训练得到的姿态优化模型确定目标对象的姿态偏差，从而对目标对象的初始估计姿态进行优化，大大提高了姿态估计的准确率，保证了姿态估计效果。

技术领域

本公开涉及计算机视觉领域，尤其涉及一种姿态估计优化方法、装置及存储介质。

背景技术

物体姿态估计在机器人作业、自动驾驶、增强现实等方面起着至关重要的作用。物体姿态估计指的是从图像中准确估计出目标物体相对相机的姿态信息。姿态信息通常包括旋转量和平移量，其中旋转量可以表示相机坐标系相对于目标物体坐标系的旋转关系，平移量可以表示相机坐标系原点相对于目标物体坐标系原点的平移信息。

物体姿态估计很容易受到遮挡、光照变化、物体具有的对称性等因素的影响，准确估计出目标物体相对相机的姿态信息具有很大的挑战性。相关技术中，难以对物体姿态达到高准确率的估计。

发明内容

有鉴于此，本公开提出了一种姿态估计优化方法、装置及存储介质。所述技术方案包括：

根据本公开的一方面，提供了一种姿态估计优化方法，所述方法包括：

获取测试图像，所述测试图像中包括目标对象；

根据所述测试图像，采用姿态优化模型输出得到所述目标对象的姿态偏差，所述姿态优化模型为采用样本图像对神经网络进行训练得到的模型；

根据所述姿态偏差对所述目标对象的初始估计姿态进行优化。

在一种可能的实现方式中，所述根据所述测试图像，采用姿态优化模型输出得到所述目标对象的姿态偏差，包括：

从所述测试图像中提取第一特征向量，所述第一特性向量用于指示所述测试图像中所述目标对象的真实物体姿态；

从预设字典中获取所述第一特征向量匹配的第二特征向量，所述第二特征向量用于指示所述目标对象的初始估计姿态；

将所述第一特征向量和所述第二特征向量输入至所述姿态优化模型中，输出得到所述目标对象的所述姿态偏差。

在另一种可能的实现方式中，所述预设字典包括多个姿态特征对，所述姿态特征对包括候选姿态和对应的特征向量；

所述根据所述姿态偏差对所述目标对象的初始估计姿态进行优化之前，还包括：

将所述第二特征向量对应的候选姿态确定为所述目标对象的所述初始估计姿态。

在另一种可能的实现方式中，所述姿态偏差用于指示所述目标对象的真实物体姿态与所述初始估计姿态之间的偏差，所述根据所述姿态偏差对所述目标对象的初始估计姿态进行优化，包括：

根据所述姿态偏差和所述初始估计姿态，确定所述目标对象的所述真实物体姿态。

在另一种可能的实现方式中，所述根据所述测试图像，采用姿态优化模型输出得到所述目标对象的姿态偏差之前，还包括：

获取包括至少一组样本数据组的训练样本集，每组所述样本数据组包括第一样本特征向量、与所述第一样本特征向量匹配的第二样本特征向量和预先标注的正确姿态偏差；

根据所述训练样本集训练得到所述姿态优化模型。

在另一种可能的实现方式中，所述根据所述姿态偏差对所述目标对象的初始估计姿态进行优化之后，还包括：

将所述第一特征向量、所述第二特征向量和所述姿态偏差添加至训练样本集，得到更新后的训练样本集；