局部特征表征的6D位姿估计算法
6D pose estimation algorithm for local feature representation
1. 河南大学 物理与电子学院, 河南 开封 475000
2. 开封平煤新型炭材料科技有限公司, 河南 开封 475000
摘要
为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题，提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息，提出了一个空间—坐标注意力机制（spatial and coordinate attention），通过在YOLOv5网络中加入空间—坐标注意力机制和加权双向特征金字塔网络（bidirectional feature pyramid network），YOLOv5-CBE算法的精确度（precision）、召回率（recall）、平均精度均值（mAP@0.5）分别提升了3.6%、2.8%、2.5%，局部特征中心点坐标误差最高提升了25%；然后用 YOLOv5-CBE算法检测局部特征关键点，结合3D Harris关键点通过奇异值分解法（singular value decomposition）计算模型的6D位姿，最高遮挡70%的情况下仍然可以保证二维重投影精度（2D reprojection accuracy）和ADD度量精度（ADD accuracy）在95%以上，具有较强的鲁棒性。
基金项目
国家自然科学基金资助项目(61901158)
河南省科技厅重点研发与推广专项资助项目(202102210121)
河南省科技发展计划资助项目(科技攻关)(212102210500)
开封市重大专项资助项目(20ZD014)
开封市科技项目(2001016)
开封平煤新型炭材料科技有限公司(2021410202000003)
出版信息
DOI: 10.19734/j.issn.1001-3695.2022.04.0163
出版期卷: 《计算机应用研究》 印刷出版, 2022年第39卷 第12期
所属栏目: 图形图像技术
出版页码: 3808-3814
文章编号: 1001-3695(2022)12-046-3808-07
发布历史
[2022-06-22] 优先出版
[2022-12-05] 印刷出版
引用本文
王晨露, 陈立家, 李珅, 等. 局部特征表征的6D位姿估计算法 [J]. 计算机应用研究, 2022, 39 (12): 3808-3814. (Wang Chenlu, Chen Lijia, Li Shen, et al. 6D pose estimation algorithm for local feature representation [J]. Application Research of Computers, 2022, 39 (12): 3808-3814. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
