计算机应用研究

作者：王晨露,陈立家,李珅,范贤博俊,王敏,连晨轩,王赞,刘名果,

单位：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；

关键词：局部特征,6D位姿估计,YOLOv5检测网络,空间—坐标注意力机制,加权双向特征金字塔网络,

基金：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)；；

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。

来源：2022年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第12期