一种物体的定位方法
【技术领域】
[0001] 本发明涉及图像处理领域，特别涉及一种物体的定位方法。
【背景技术】
[0002] 三维物体的空间定位一直是计算机视觉中的一个重要问题。物体的定位是要确定 其与相机的相对空间关系，包括位置与姿态的参数估计。当物体静止时，物体的定位等价于 相机外部参数的标定，从而也可以用于摄像机定标。因此，其在增强现实、机器人导航、运动 跟踪以及医学上的外科手术等众多领域有重要的应用。
[0003] 多年来，研究人员对物体的定位问题进行了深入的研究。在已知物体的三维模型 的前提下，其主要困难在于目标模型三维点与其成像点的对应问题，特别的，当目标的三 维模型缺失纹理信息时，点的匹配几乎不可能。目前物体定位问题的方法主要分为三类：一 类是已知若干模型与其成像的对应点对；第二类是已知若干模型与其成像的对应线段；最 后一类是对应性未知算法。
[0004] 目前，已有的研究方法主要集中在第一类方法上。若已知3-5对不共面的对应点， 可以通过求解多项式方程组得到位置和姿态参数的封闭解。针对3点透视投影问题（p3p) 和4点透视投影问题（p4p)，Fischler等提出了使用几何透视法求解多项式方程组。若已 知6对或更多对应点对，可以采用线性或非线性逼近的方法求解参数。
[0005] 郝颖明等对点匹配方法的鲁棒性进行了分析。第二类方法，主要利用模型线与对 应投影线产生的约束关系，比第一类方法理论要复杂很多。最少需要三条线段来求解姿态 估计问题，三条线段可以建立三个非线性方程，之后姿态估计问题可以转化为求解非线性 方程组的解。
[0006] 为了简化分析方法，Dhome等和Chen等建立了一个特定的模型坐标系和一个特定 的视点坐标系，利用三条线段建立一个8维的多项式方程来确定姿态参数的封闭解。第三 类方法中，问题的求解难度更大，目前主要的研究方法有：基于训练集的方法，基于假设检 验的方法，能量函数优化求解的方法。
[0007] 以上三种方法都存在不同的问题：第一类方法需要已知对应点的匹配关系，但是， 当三维模型的纹理缺失时，很难获得匹配点，导致算法的失效。第二类方法要求三维模型是 比较规则的物体，从而容易提取特征。对于不规则物体，很难找到匹配的模型线与投影线， 此类方法容易失效。第三类方法的能量函数高度非线性导致数值优化过程易陷入错误的局 部极小值；因为没有显著的对应性关系，参数的估计完全依赖于能量函数的数值优化，导致 算法复杂度过高，效率低。
【发明内容】
[0008] 本发明要解决的技术问题是，提供一种物体的定位方法，能够提高定位结果的精 度。
[0009] 为解决上述技术问题，本发明的实施例提供一种物体的定位方法，包括：
[0010] 步骤一，获取一物体的彩色图和所述物体的三维模型；
[0011] 步骤二，使用图像分割法，提取所述彩色图中的所述物体的第一轮廓；
[0012] 步骤三，获取一指定的位置和姿态参数，作为当前的位置和姿态参数；
[0013] 步骤四，根据所述物体的三维模型和所述当前的位置和姿态参数，生成所述物体 的第二轮廓；
[0014] 步骤五，根据所述第一轮廓和所述第二轮廓，生成相似性度量函数S ( Θ );
[0015] 步骤六，根据所述当前的位置和姿态参数，生成所述相似性度量函数的当前函数 值；
[0016] 步骤七，判断所述相似性度量函数的当前函数值是否等于1 ;
[0017] 步骤八，当所述相似性度量函数的当前函数值等于1时，将所述当前的位置和姿 态参数作为位置和姿态参数的最佳参数，并且输出。
[0018] 所述步骤四包括：
[0019] 根据所述当前的位置参数和姿态参数，对所述三维模型进行坐标变换，生成变换 后的三维模型；
[0020] 将变换后的所述三维模型投影到二维平面，得到所述物体对应的电脑图形CG图 像；
[0021] 提取所述电脑图形图像中所述物体的第二轮廓。
[0022] 所述步骤五包括：
[0023] 计算所述第一轮廓和所述第二轮廓之间的重合区域的面积；
[0024] 计算所述重合区域的面积与所述第一轮廓所包围区域的面积之间的第一比值；
[0025] 计算所述重合区域的面积与所述第二轮廓所包围区域的面积之间的第二比值；
[0026] 将所述第一比值与所述第二比值之间的乘积作为相似性度量函数。
[0027] 所述方法还包括：
[0028] 步骤九，当所述相似性度量函数的当前函数值小于1时，根据当前的位置参数和 姿态参数，选取充分小增量，在参数空间进行采样，得到至少两组采样后的位置和姿态参 数；
[0029] 步骤十，将所述采样后的每组位置和姿态参数，作为当前的位置和姿态参数，执行 所述步骤四到所述步骤六，得到不同组的采样后的位置和姿态参数对应的相似性度量函数 值；
[0030] 步骤十一，从不同组的采样后的位置和姿态参数对应的相似性度量函数值中，选 择最大值；
[0031] 步骤十二，判断所述最大值是否等于1 ;
[0032] 步骤十三，当所述最大值等于1时，将所述最大值对应的位置和姿态参数作为位 置和姿态参数的最佳参数，并且输出。
[0033] 所述方法还包括：
[0034] 步骤十四，当所述最大值小于1时，将所述最大值对应的位置和姿态参数作为当 前的位置和姿态参数，跳到所述步骤四。
[0035] 所述相似性度量函数S ( Θ )为： LlN 丄Ut)丄bUb/d Λ rVJ Ij >3/丄Z
[0036]
[0037] 其中，A(CMMW))为所述第一轮廓所包围区域的面积；A(Cd)为所述第二轮廓所包 围区域的面积；^(Θ)为所述第一轮廓和所述第二轮廓之间的重合区域的面积。
[0038] 所述选取充分小增量的步骤根据以下公式进行：
[0039] Δ Θ = -(JtJ+λ I) '/(8(0 + Δ 0)-S(0)),
[0040] 其中，J为雅可比矩阵，
[0041] λ为迭代计算的步长；I为单位矩阵；T表示倒置；
[0042] 表不对α求偏导数 表不对Θ求偏导数 〖表不对ω求偏导数；
[0043] 表示对h求偏导数； 表示对t2求偏导数； 表示对t 3求偏导数；
[0044] t2, 1:3分别为位置参数，α，θ，ω分别为角度姿态参数；
[0045] S ( Θ + Λ Θ )表示进行空间采样后计算的相似性度量函数值。
[0046] 所述雅可比矩阵中的向量根据以下公式计算：
[0047]
[0048] Va表示在α参数空间采样；
[0049] %表示在Θ参数空间采样；
[0050] I表示在ω参数空间采样；
[0051 ] '表示在^参数空间采样；
[0052] 气表示在一参数空间采样；
[0053] '表示在七3参数空间采样；
[0054] da表示在α参数空间采样的数值；
[0055] cL表示在ω参数空间采样的数值；
[0056] de表示在Θ参数空间采样的数值；
[0057] <表示在^参数空间采样的数值；
[0058] 爲2表示在〖2参数空间采样的数值；
[0059] 武3表示在〖3参数空间采样的数值；
[0060] 表示在a参数空间采样后计算的相似性度量函数值；
[0061] 表示在Θ参数空间采样后计算的相似性度量函数值；
[0062] 表示在ω参数空间采样后计算的相似性度量函数值；
[0063] 表示在^参数空间采样后计算的相似性度量函数值；
[0064] 表示在一参数空间采样