本申请提供一种物体厚度确定方法、装置、电子设备及机器可读存储介质该方法包括：获取待测物体在当前相机视角下的正面深度图；将所述正面深度图输入到预先训练的物体背面深度预测模型，得到所述待测物体在当前相机视角下的背面深度图；依据所述正面深度图和所述背面深度图，确定所述待测物体在当前相机视角下的厚度。该方法可以简化物体厚度确定的难度，提高物体厚度确定的效率。高物体厚度确定的效率。高物体厚度确定的效率。
【技术实现步骤摘要】
物体厚度确定方法、装置、电子设备及机器可读存储介质
[0001]本申请涉及三维视觉及神经网络
，尤其涉及一种物体厚度确定方法、装置、电子设备及机器可读存储介质。
技术介绍
[0002]在机械臂抓取场景中，抓取系统中的运动规划算法在进行路径规划时，需要对待抓取物体进行建模，而由于相机视角、物体遮挡等因素的影响，相机只能获得物体暴露在相机视角下的正面信息，无法获得背离相机视角的物体厚度信息。因此，为了获得物体完整的三维信息，抓取系统需要借助算法计算出物体的厚度，以进行物体的路径规划。
[0003]目前，无论是学术界还是工业界，都缺少对物体厚度估计算法的系统性研究。一种可行的方案是基于物体的三维点云数据，使用点云补全算法来间接地获得物体厚度。然而，点云补全模型速度慢，部署难度大，难以满足实际应用需求；另一种在机械臂抓取场景中常见的方案是使用物体点云到防止物体台面的高度差近似替代物体的厚度，这种方案计算速度快，但在物体堆叠场景中对位于高处的物体的计算结果会大大超过物体的真实厚度，使得运动规划算法难以对该物体进行路径规划，从而降低抓取系统的抓取效率。因此，一种准确且高效的物体厚度预测算法是机械臂抓取系统能够成功落地的重要因素。
技术实现思路
[0004]有鉴于此，本申请提供一种物体厚度确定方法、装置、电子设备及机器可读存储介质。
[0005]具体地，本申请是通过如下技术方案实现的：
[0006]根据本申请实施例的第一方面，提供一种物体厚度确定方法，包括：
[0007]获取待测物体在当前相机视角下的正面深度图；
[0008]将所述正面深度图输入到预先训练的物体背面深度预测模型，得到所述待测物体在当前相机视角下的背面深度图；
[0009]依据所述正面深度图和所述背面深度图，确定所述待测物体在当前相机视角下的厚度。
[0010]根据本申请实施例的第二方面，提供一种物体厚度确定装置，包括：
[0011]获取单元，用于获取待测物体在当前相机视角下的正面深度图；
[0012]预测单元，用于将所述正面深度图输入到预先训练的物体背面深度预测模型，得到所述待测物体在当前相机视角下的背面深度图；
[0013]确定单元，用于依据所述正面深度图和所述背面深度图，确定所述待测物体在当前相机视角下的厚度。
[0014]根据本申请实施例的第三方面，提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现第一方面提供的方法。
[0015]根据本申请实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现第一方面提供的方法。
[0016]本申请提供的技术方案至少可以带来以下有益效果：
[0017]通过获取待测物体在当前相机视角下的正面深度图，并将正面深度图输入到预先训练的物体背面深度预测模型，得到待测物体在当前相机视角下的背面深度图，进而，依据待测物体在当前相机视角下的正面深度图和背面深度图，确定待测物体在当前相机视角下的厚度，通过将物体厚度估计问题转换为物体背面深度预测问题，依据物体在同一视角下的正面深度图和背面深度图，确定物体的厚度，简化了物体厚度确定的难度，提高了物体厚度确定的效率。
附图说明
[0018]图1是本申请示例性实施例示出的一种物体厚度确定方法的流程示意图；
[0019]图2是本申请示例性实施例示出的一种物体厚度估计算法原理图；
[0020]图3是本申请示例性实施例示出的一种物体背面深度预测模型的结构示意图；
[0021]图4是本申请示例性实施例示出的一种物体厚度确定装置的结构示意图；
[0022]图5是本申请示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
[0023]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0024]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
[0025]为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。
[0026]请参见图1，为本申请实施例提供的一种物体厚度确定方法的流程示意图，如图1所示，该物体厚度确定方法可以包括以下步骤：
[0027]步骤S100、获取待测物体在当前相机视角下的正面深度图。
[0028]示例性的，当前相机视角指用于采集待测物体的深度图的相机在采集该深度图时的视角。
[0029]步骤S110、将正面深度图输入到预先训练的物体背面深度预测模型，得到待测物体在当前视角下的背面深度图。
[0030]本申请实施例中，为了简化物体厚度确定的实现，提高物体厚度确定的效率，可以将物体厚度估计问题(即直接估计物体厚度)转化为物体背面深度预测问题，以便依据获取到的待测物体的正面深度图和预测的待测物体在同一相机视角下的背面深度图，确定待测
物体的厚度。
[0031]本申请实施例中，为了获取待测物体的背面深度图，可以预先训练物体背面深度预测模型，通过物体背面深度预测模型学习同一物体在同一相机视角下正面深度图和背面深度图之间的映射关系，进而，可以依据物体的正面深度图，利用训练好的物体背面深度预测模型，预测该物体在同一相机视角下的背面深度图。
[0032]相应地，对于获取到的待测物体的正面深度图，可以将其输入到预先训练的物体背面深度预测模型，由该物体背面深度预测模型输出该正面深度图对应的背面深度图。
[0033]步骤S120、依据正面深度图和所述背面深度图，确定待测物体在当前相机视角下的厚度。
[0034]本申请实施例中，在按照上述方式获取到待测物体在当前相机视角下的正面深度图，并预测得到待测物体在当前相机视角下的背面深度图的情况下，可以依据待测物体在当前相机视角下的正面深度图和背面深度图，确定待测物体在当前相机视角下的厚度。
[0035]可见，在图1所示方法流程中，通过获取待测物体在当前相机视角下的正面深度图，并将正面深度图输入到预先训练的物体背面深度预测模型，得到待测物体在当前相机视角下的背面深度图，进而，依据待测物体在当前相机视角下的正面深度图和背面深度图，确定待测物体在当前相机视角下的厚度，通过将物体厚度估计问题转换为物体背面深度预测问题，依据物体在同一视角下的正面深度图和背面深度图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种物体厚度确定方法，其特征在于，包括：获取待测物体在当前相机视角下的正面深度图；将所述正面深度图输入到预先训练的物体背面深度预测模型，得到所述待测物体在当前相机视角下的背面深度图；依据所述正面深度图和所述背面深度图，确定所述待测物体在当前相机视角下的厚度。2.根据权利要求1所述的方法，其特征在于，所述物体背面深度预测模型包括：级联的第一类型卷积层、反卷积层，以及，第二类型卷积层；所述第一类型卷积层用于对输入特征进行卷积处理、下采样以及通道数扩张；所述反卷积层用于对输入特征进行反卷积处理、上采样以及通道压缩；所述第二类型卷积层用于对输入特征进行卷积处理以及通道压缩，得到单通道的输出特征；其中，所述第一类型卷积层对输入特征进行下采样的总倍数与所述反卷积层对输入特征进行上采样的总倍数相同。3.根据权利要求2所述的方法，其特征在于，所述第一类型卷积层包括1个单层卷积层以及4个多层卷积层；该单层卷积层用于对输入特征进行卷积处理、下采样以及通道数扩张；该4个多层卷积层中用于对输入特征进行卷积处理，且该4个多层卷积层中的3个多层卷积层对输入特征进行通道数扩张，该3个多层卷积层中的2个卷积层对输入特征进行下采样；所述反卷积层包括3个反卷积层，该3个反卷积层均用于对输入特征进行反卷积处理、上采样以及通道压缩；所述第二类型卷积层包括1个单层卷积层。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述物体背面深度预测模型通过以下方式训练：获取目标物体在多个不同相机视角下的正面深度图以及对应的背面深度图；将获取到的正面深度图输入到待训练的物体背面深度预测模型；依据各正面深度图对应的物体背面深度预测模型的输出与各正面深度图对应的背面深度图之间的差异，对所述待训练的物体背面深度预测模型的进行反馈优化。5.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述依据所述正面深度图和所述背面深度图，确定所述待测物体在当前相机视角下的厚度，包括：确定所述背面深度图和所述正面深度图在各像素位置的深度值的差值；依据所述各像素位置的深度值的差值，确定所述待测物体在当前相机视角下的厚度。6.根据权利要求5所述的方法，其特征在于，所述依据所述各像素位置的深度值的差值，确定所述待测物体在当前相机视角下的厚度，包括：将各像素位置的深度值的差值中的最大值，确定为所述待测物体在当前相机视角下的厚度。7.一种物体厚度确定装置，其特征在于，包括：获取单元，用于获取待测物体在当前相机视角下的正面深度图；预测单元，用于将所述正面深度...
【专利技术属性】
技术研发人员：汪磊，李哲暘，张如意，谭文明，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：
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。