物体姿态识别方法、装置、计算机设备、存储介质和产品与流程

本申请涉及工业视觉，特别是涉及一种物体姿态识别方法、装置、计算机设备、存储介质和产品。

背景技术：

1、工业领域中，为了节省人力，降低成本，越来越多采用机器代替人工，例如采用机械臂代替人工进行插头拔插。由于插头需要以固定的方向插入，因此，插头姿态的识别显得至关重要。

2、传统技术中，是使用3d相机对插头进行姿态识别，3d相机能够拍摄立体的插头图像，从而对插头图像中的插头姿态进行识别。

3、但是，由于相机的3d点云精度限制，无法对太小或者太复杂的插头进行建模，导致姿态识别出现误差。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够准确识别物体姿态的物体姿态识别方法、装置、计算机设备、存储介质和产品。

2、第一方面，本申请提供了一种物体姿态识别方法，该方法包括：

3、获取场景图像，并从场景图像中获取目标物体对应的子图；

4、基于子图识别得到目标物体的至少一个可见面，并检测子图中的多个特征点；

5、对至少一个可见面和多个特征点进行匹配处理，得到目标物体的目标数据集；目标数据集包括目标可见面和相匹配的目标特征点；

6、基于目标数据集得到目标物体的物体姿态。

7、在其中一个实施例中，场景图像中包括多个物体，从场景图像中获取目标物体对应的子图的步骤包括：

8、检测场景图像中的所有物体，并获取所有物体中每个物体的物体标签；

9、获取与目标物体对应的目标物体标签；

10、将目标物体标签与多个物体标签进行匹配，确定目标物体所在的区域；

11、对目标物体所在的区域进行处理，得到目标物体对应的子图。

12、在其中一个实施例中，检测子图中的多个特征点的步骤包括：

13、检测子图中的所有可见角点；

14、按照预设编号规则对所有可见角点进行编号，输出识别到的各可见角点所对应的序号；可见角点为特征点。

15、在其中一个实施例中，对至少一个可见面和多个特征点进行匹配处理，得到目标物体的目标数据集的步骤包括：

16、对至少一个可见面和多个特征点进行匹配处理，得到至少一组候选数据集，候选数据集中包括一个可见面、以及与可见面对应的关键点组，关键点组包括预设数量个特征点；

17、对每组候选数据集中的关键点组分别进行校验，基于校验结果从候选数据集中筛选出目标数据集。

18、在其中一个实施例中，对每组候选数据集中的关键点组分别进行校验，基于校验结果从候选数据集中筛选出目标数据集的步骤包括：

19、针对任一候选数据集中的关键点组，检验关键点组所组成的多边形的面积，若面积大于面积阈值，则根据关键点组计算平行四边形度；

20、将平行四边形度满足预设条件的关键点组所对应的候选数据集，作为目标数据集输出。

21、在其中一个实施例中，根据关键点组计算平行四边形度的步骤包括：

22、依次将关键点组中的任一特征点作为目标点；

23、针对每次所选择的目标点，对关键点组中剩余的特征点进行平行四边形的拟合得到预测点，并计算目标点与预测点的距离；

24、将计算得到的多个距离中的最大值作为平行四边形度。

25、在其中一个实施例中，目标特征点为二维特征点，基于目标数据集得到目标物体的物体姿态的步骤包括：

26、根据目标数据集中的目标可见面，从多个先验三维特征点中选中与目标可见面对应的目标先验三维特征点；

27、基于目标先验三维特征点和目标特征点进行维度转换，得到目标物体的物体姿态。

28、在其中一个实施例中，基于目标先验三维特征点和目标特征点进行维度转换，得到目标物体的物体姿态，包括：

29、基于目标先验三维特征点和目标特征点进行维度转换，得到目标物体的候选姿态；

30、计算由目标特征点所围成的四边形的中心点的位置信息；

31、基于中心点的位置信息更新候选姿态中的横轴坐标值和纵轴坐标值，得到目标物体的物体姿态。

32、第二方面，本申请还提供了一种物体姿态识别装置，该装置包括：

33、获取模块，用于获取场景图像，并从场景图像中获取目标物体对应的子图；

34、检测模块，用于基于子图识别得到目标物体的至少一个可见面，并检测子图中的多个特征点；

35、匹配模块，用于对至少一个可见面和多个特征点进行匹配处理，得到目标物体的目标数据集；目标数据集包括目标可见面和相匹配的目标特征点；

36、姿态模块，用于基于目标数据集得到目标物体的物体姿态。

37、第三方面，本申请还提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现第一方面中任一项的方法步骤。

38、第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任一项的方法步骤。

39、第五方面，本申请还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第一方面中任一项的方法步骤。

40、上述物体姿态识别方法、装置、计算机设备、存储介质和产品，通过获取场景图像，并从场景图像中获取目标物体对应的子图，之后基于子图识别得到目标物体的至少一个可见面，并检测子图中的多个特征点，对至少一个可见面和多个特征点进行匹配处理，得到目标物体的目标数据集，最后基于目标数据集得到目标物体的物体姿态，能够适用于多种物体的物体姿态识别，准确得到物体姿态。

技术特征：

1.一种物体姿态识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述场景图像中包括多个物体，所述从所述场景图像中获取目标物体对应的子图，包括：

3.根据权利要求1所述的方法，其特征在于，所述检测所述子图中的多个特征点，包括：

4.根据权利要求1所述的方法，其特征在于，所述对所述至少一个可见面和所述多个特征点进行匹配处理，得到所述目标物体的目标数据集，包括：

5.根据权利要求4所述的方法，其特征在于，所述对每组候选数据集中的关键点组分别进行校验，基于校验结果从所述候选数据集中筛选出目标数据集，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述关键点组计算平行四边形度，包括：

7.根据权利要求1所述的方法，其特征在于，所述目标特征点为二维特征点，所述基于所述目标数据集得到所述目标物体的物体姿态，包括：

8.根据权利要求7所述的方法，其特征在于，所述基于所述目标先验三维特征点和所述目标特征点进行维度转换，得到所述目标物体的物体姿态，包括：

9.一种物体姿态识别装置，其特征在于，所述装置包括：

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。

技术总结
本申请涉及一种物体姿态识别方法、装置、计算机设备、存储介质和产品，通过获取场景图像，并从场景图像中获取目标物体对应的子图，之后基于子图识别得到目标物体的至少一个可见面，并检测子图中的多个特征点，对至少一个可见面和多个特征点进行匹配处理，得到目标物体的目标数据集，最后基于目标数据集得到目标物体的物体姿态，能够适用于多种物体的物体姿态识别，准确得到物体姿态。

技术研发人员：伍奕东,宋凌霄,韩鸣朔
受保护的技术使用者：上海非夕机器人科技有限公司
技术研发日：
技术公布日：2024/1/12