基于深度学习的迭代6D位姿估计方法及装置

摘要

本发明为基于深度学习的迭代6D位姿估计方法及装置，该方法对3D‑2D关键点对应关系提取网络的输出进行编码处理，将3D‑2D关键点对应关系提取网络的输出编码为位姿粗估计网络的输入格式；然后输入到利用MLP、池化层、全连接层搭建的位姿粗估计网络中，从而结合为一个整体网络，能直接输出物体6D姿态，形成了端到端的6D物体位姿估计网络，6D物体位姿估计网络的损失函数为能够直接反映解算物体6D位姿参数的函数；利用正交迭代算法用于对6D物体位姿估计网络输出的6D姿态参数进行优化。本发明解决了当存在许多异常值时基于PnP算法计算目标姿态耗时长、可重复性差的问题，提高了位姿估计的效率及位姿估计的鲁棒性和准确性。