【技术实现步骤摘要】
定位、抓取、数据处理与用于增强现实的显示方法及设备
本申请涉及电子
,尤其涉及一种定位、抓取、数据处理与用于增强现实的显示方法及设备。
技术介绍
目前,在机器人以及增强现实等
,需要对物体进行位姿估计。例如:机器人在与物体进行交互时,需要对物体进行位姿估计,从而确定交互方式;再例如:增强现实设备需要确定现实中实物的位姿信息,从而确定如何渲染虚拟物体。现有的物体定位方式中,通常采用即时定位与地图构建算法从待定位的物体上提取特征点并进行特征点的匹配,以实现物体位姿估计。一旦难以从待定位的物体上提取特征点,例如:旋转对称性的物体,物体位姿估计准确度就会降低,甚至无法进行该物体的位姿估计。
技术实现思路
鉴于上述问题,提出了本申请以提供一种解决上述问题或至少部分地解决上述问题的定位、抓取、数据处理与用于增强现实的显示方法及设备。于是,在本申请的一个实施例中,提供了一种物体定位方法。该方法包括:获取目标物的待定位图像;根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考物的第一预测位姿以及所述目标物与所述参考物之间的位姿转换关系,对所述目标物进行定位。在本申请的另一实施例中,提供了一种物体抓取方法。该方法包括:获取目标物的待定位图像;根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考物的第一预测位姿以及所述目标物与所述参考物之间的位姿转换关系,对所述目标物进行定位;根据定位结果,确定抓取所述 ...
【技术保护点】
1.一种物体定位方法,其特征在于,包括:/n获取目标物的待定位图像;/n根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考物的第一预测位姿以及所述目标物与所述参考物之间的位姿转换关系,对所述目标物进行定位。/n
【技术特征摘要】
1.一种物体定位方法,其特征在于,包括:
获取目标物的待定位图像;
根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考物的第一预测位姿以及所述目标物与所述参考物之间的位姿转换关系,对所述目标物进行定位。
2.根据权利要求1所述的方法,其特征在于,还包括:
根据卷积神经网络基于第一图像预测出的目标物的第二预测位姿以及所述即时定位与地图构建算法基于所述第一图像预测出的所述参考物的第三预测位姿确定所述位姿转换关系;
所述目标物与所述参考物相对静止。
3.根据权利要求2所述的方法,其特征在于,还包括:
根据所述卷积神经网络基于拍摄时间位于预设时间段内的多帧图像对所述目标物进行多次位姿预测的结果,确定所述目标物是否为旋转对称性的物体;
根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考物的第一预测位姿以及所述目标物与所述参考物之间的位姿转换关系,对所述目标物进行定位,包括:
所述目标物为旋转对称性的物体时,根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考物的第一预测位姿以及所述目标物与所述参考物之间的位姿转换关系,对所述目标物进行定位。
4.根据权利要求3所述的方法,其特征在于,根据所述卷积神经网络基于拍摄时间位于预设时间段内的多帧图像对目标物进行多次位姿预测的结果,确定所述目标物是否为旋转对称性的物体,包括:
计算所述结果中所述目标物的多个预测姿态之间的第一差异;
所述第一差异大于或等于第一预设阈值时,判定所述目标物为旋转对称性的物体。
5.根据权利要求3所述的方法,其特征在于,所述参考物相对世界坐标系静止;
上述方法,还包括:
根据所述结果中所述目标物的多个预测位置,判断所述目标物是否相对于所述世界坐标系发生平移;
所述目标物相对于所述参考坐标系未发生平移时,判定所述目标物与所述参考物相对静止。
6.根据权利要求1至5中任一项所述的方法,其特征在于,还包括:
通过所述卷积神经网络的卷积层对所述第一图像进行特征提取,得到第一特征图;
根据所述第一特征图,由所述卷积神经网络的全连接层对所述目标物进行位姿预测,以得到所述目标物的第二预测位姿。
7.根据权利要求1至5所述的方法,其特征在于,所述卷积神经网络的训练过程如下:
获取包含有旋转对称物体的样本图像及所述旋转对称物体对应的参考位姿;
将所述样本图像作为训练模型的输入,执行所述训练模型得到计算位姿;
在基于所述参考位姿及所述计算位姿判定满足收敛条件的情况下,所述训练模型完成训练得到所述卷积神经网络。
8.根据权利要求1至5中任一项所述的方法,其特征在于,还包括:
获取空间尺度比例;
采用所述空间尺度比例修正对所述目标物的定位结果。
9.根据权利要求8所述的方法,其特征在于,所述待定位图像由相机采集得到;
获取空间尺度比例,包括:
利用所述即时定位与地图构建算法,确定所述相机在第一时刻和第二时刻之间的第一位移量;
利用卷积神经网络,确定所述相机在所述第一时刻和所述第二时刻之间的第二位移量;
将所述第二位移量与所述第一位移量的比值作为所述空间尺度比例。
10.一种物体抓取方法,其特征在于,包括:
获取目标物的待定位图像;
根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考物的第一预测位姿以及所述目标物与所述参考物之间的位姿转换关系,对所述目标物进行定位;
根据定位结果,确定抓取所述目标物的方式。
11.根据权利要求10所述的方法,其特征在于,还包括:
根据卷积神经网络基于第一图像预测出的目标物的第二预测位姿以及所述即时定位与地图构建算法基于所述第一图像预测出的所述参考物的第三预测位姿确定所述位姿转换关系;
所述目标物与所述参考物相对静止。
12.根据权利要求11所述的方法,其特征在于,还包括:
根据所述卷积神经网络基于拍摄时间位于预设时间段内的多帧图像对所述目标物进行多次位姿预测的结果,确定所述目标物是否为旋转对称性的物体;
根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考物的第一预测位姿以及所述目标物与所述参考物之间的位姿转换关系,对所述目标物进行定位,包括:
所述目标物为旋转对称性的物体时,根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考物的第一预测位姿以及所述目标物与所述参考物之间的位姿转换关系,对所述目标物进行定位。
13.一种用于增强现实的显示方法,其特征在于,包括:
获取目标实物的待定位图像;
根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标物周围的参考实物的第一预测位姿以及所述目标实物与所述参考实物之间的位姿转换关系,对所述目标实物进行定位;
根据定位结果,确定与所述目标实物相关联的虚拟物体的显示画面。
14.根据权利要求13所述的方法,其特征在于,还包括:
根据卷积神经网络基于第一图像预测出的目标实物的第二预测位姿以及所述即时定位与地图构建算法基于所述第一图像预测出的所述参考实物的第三预测位姿确定所述位姿转换关系;
所述目标实物与所述参考实物相对静止。
15.根据权利要求14所述的方法,其特征在于,还包括:
根据所述卷积神经网络基于拍摄时间位于预设时间段内的多帧图像对所述目标实物进行多次位姿预测的结果,确定所述目标实物是否为旋转对称性的物体;
根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标实物周围的参考实物的第一预测位姿以及所述目标实物与所述参考实物之间的位姿转换关系,对所述目标实物进行定位,包括:
所述目标实物为旋转对称性的物体时,根据即时定位与地图构建算法基于所述待定位图像预测出的所述目标实物周围的参考实物的第一预...
【专利技术属性】
技术研发人员:伊威,李名杨,古鉴,邵柏韬,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛;KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。