物体姿态估计方法、装置、电子设备及可读存储介质与流程

本申请涉及计算机视觉，具体而言，本申请涉及一种物体姿态估计方法、装置、电子设备及可读存储介质。

背景技术：

1、基于计算机视觉的增强现实(augmented reality，ar)技术，通过在用户面前的现实场景中添加虚拟内容来为用户提供真实的信息体验。

2、在三维空间中，增强现实系统需要对周围物体的三维状态具有高精度的实时处理和理解，以完成在用户面前呈现高质量的虚实融合效果。因此准确且快速的物体姿态估计对于ar交互来说非常重要。

3、现有的姿态估计方法因耗时过多而难以满足速度要求较高的ar场景的使用需求。

技术实现思路

1、本申请实施例的目的旨在能解决如何提高物体姿态估计的处理速度的问题。

2、根据本申请实施例的一个方面，提供了一种物体姿态估计方法，该方法包括：

3、确定待处理图像中的关键点信息；

4、基于关键点信息对应的关键点特征图，确定修正后的关键点信息；

5、基于修正后的关键点信息，估计待处理图像中的物体姿态。

6、根据本申请实施例的一个方面，还提供了一种物体姿态估计方法，该方法包括：

7、将输入图像转换为预定图像风格的待处理图像；

8、确定待处理图像中的关键点信息；

9、基于关键点信息，估计输入图像中的物体姿态。

10、根据本申请实施例的另一个方面，提供了一种物体姿态估计装置，该装置包括：

11、确定模块，用于确定待处理图像中的关键点信息；

12、修正模块，用于基于关键点信息对应的关键点特征图，确定修正后的关键点信息；

13、估计模块，那个基于修正后的关键点信息，估计待处理图像中的物体姿态。

14、根据本申请实施例的另一个方面，还提供了一种物体姿态估计装置，该装置包括：

15、风格转换模块，用于将输入图像转换为预定图像风格的待处理图像；

16、关键点确定模块，用于确定待处理图像中的关键点信息；

17、物体姿态估计模块，用于基于关键点信息，估计输入图像中的物体姿态。

18、根据本申请实施例的又一个方面，提供了一种电子设备，该电子设备包括：存储器、处理器及存储在存储器上的计算机程序，该处理器执行该计算机程序以实现本申请实施例提供的物体姿态估计方法的步骤。

19、根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的物体姿态估计方法的步骤。

20、根据本申请实施例的还一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的物体姿态估计方法的步骤。

21、本申请实施例提供的物体姿态估计方法、装置、电子设备及可读存储介质，通过确定待处理图像中的关键点信息，并基于关键点信息对应的关键点特征图，确定修正后的关键点信息，在保证物体姿态估计精度的同时，避免了图像渲染成本带来的耗时，能够有效提升ar应用的处理速度。

技术特征：

1.一种物体姿态估计方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述确定待处理图像中的关键点信息之前，还包括：

3.根据权利要求2所述的方法，其特征在于，所述将所述输入图像转换为预定图像风格的图像，得到所述待处理图像，包括：

4.根据权利要求3所述的方法，其特征在于，所述图像内容特征为低分辨率图像内容特征；所述图像风格特征为低分辨率图像风格特征。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述基于所述关键点信息对应的关键点特征图，确定修正后的关键点信息，包括：

6.根据权利要求1-5任一项所述的方法，其特征在于，所述关键点信息为2d关键点信息，该方法还包括：

7.根据权利要求6所述的方法，其特征在于，所述基于估计出的所述待处理图像中的物体姿态，确定所述待处理图像中物体的3d关键点映射信息，包括：

8.根据权利要求6所述的方法，其特征在于，所述关键点修正前后的差值小于阈值包括以下至少之一：

9.根据权利要求1-8任一项所述的方法，其特征在于，所述确定待处理图像中的关键点信息，包括：

10.根据权利要求9所述的方法，其特征在于，还包括：

11.根据权利要求9所述的方法，其特征在于，还包括：

12.一种物体姿态估计方法，其特征在于，包括：

13.一种物体姿态估计装置，其特征在于，包括：

14.一种物体姿态估计装置，其特征在于，包括：

15.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-12任一项所述方法的步骤。

16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-12任一项所述方法的步骤。

技术总结
本申请实施例提供了一种物体姿态估计方法、装置、电子设备及可读存储介质，包括：确定待处理图像中的关键点信息，并基于关键点信息对应的关键点特征图，确定修正后的关键点信息，进而基于修正后的关键点信息，估计待处理图像中的物体姿态，在保证物体姿态估计精度的同时，避免了图像渲染成本带来的耗时，能够有效提升AR应用的处理速度。同时，由电子设备执行的上述物体姿态估计方法可以使用人工智能模型来执行。

技术研发人员：何宝,李炜明,金知姸,张现盛,洪性勋,王强
受保护的技术使用者：北京三星通信技术研究有限公司
技术研发日：
技术公布日：2024/1/13