一种基于增强自编码器的室内目标物体6D姿态估计方法

摘要

本发明公开了一种基于增强自编码器的室内目标物体6D姿态估计方法。本发明分成三阶段：多目标物体检测阶段：首先输入单幅彩色图像到改进版的Faster R‑CNN，然后RPN网络提取出候选框，再通过全卷积网络输出目标类别概率和二维边界框；增强自编码器预测物体关键点阶段：利用概率期望连接多目标物体检测阶段与增强自编码器预测物体关键点阶段，通过训练改进版的堆叠式降噪自动编码器对感兴趣区域编解码出相同尺寸的无噪声感兴趣区域，再通过全连接层预测出目标物体在二维图像上的关键点；计算目标物体的6D姿态估计阶段：根据关键点计算出目标物体的6D姿态。本发明对于背景杂乱与物体存在遮挡的情况下具有很强的鲁棒性，对光照、颜色不敏感且不要求物体具有丰富的纹理特征。