一种姿态估计方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113822102A(43)申请公布日2021.12.21(21)申请号202010567738.1(22)申请日2020.06.19(71)申请人北京达佳互联信息技术有限公司地址100085北京市海淀区上地西路6号1幢1层101D1-7(72)发明人王再冉郭小燕(74)专利代理机构北京中博世达专利商标代理有限公司11274代理人申健(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06N3/08(2006.01)权利要求书2页说明书16页附图5页(54)发明名称一种姿态估计方法、装置、电子设备及存储介质(57)摘要本申请实施例提供一种姿态估计方法、装置、电子设备及存储介质，涉及计算机视觉技术领域，可以提高获取姿态信息的准确度和鲁棒性。该方法包括：获取包含目标物体的目标图像；对目标图像进行特征提取，得到目标物体的姿态特征和关键特征，关键特征包括关键点特征和边缘轮廓特征中的至少一个；根据姿态特征和关键特征，得到目标物体的姿态信息。CN113822102ACN113822102A权利要求书1/2页1.一种姿态估计方法，其特征在于，所述方法包括：获取包含目标物体的目标图像；对所述目标图像进行特征提取，得到所述目标物体的姿态特征和关键特征，所述关键特征包括关键点特征和边缘轮廓特征中的至少一个；根据所述姿态特征和所述关键特征，得到所述目标物体的姿态信息。2.根据权利要求1所述的方法，其特征在于，所述姿态特征为姿态特征图，所述关键特征为关键特征图；所述对所述目标图像进行特征提取，得到所述目标物体的姿态特征和关键特征，包括：将所述目标图像输入特征提取网络，得到所述目标物体的基础属性；所述基础属性用于表征所述目标物体在所述目标图像中的表面结构信息；将所述基础属性分别输入姿态特征提取网络和关键特征提取网络，得到所述姿态特征图、所述关键特征图。3.根据权利要求2所述的方法，其特征在于，所述关键特征图包括关键点特征图和边缘轮廓特征图；所述关键特征提取网络包括关键点检测网络和边缘轮廓检测网络；所述将所述基础属性分别输入姿态特征提取网络和关键特征提取网络，得到所述姿态特征图、所述关键特征图，包括：将所述基础属性分别输入所述姿态特征提取网络、所述关键点检测网络和所述边缘轮廓检测网络，得到所述姿态特征图、所述关键点特征图和所述边缘轮廓特征图。4.根据权利要求2或3所述的方法，其特征在于，所述根据所述姿态特征和所述关键特征，得到所述目标物体的姿态信息，包括：对所述姿态特征图和所述关键特征图进行拼接，得到组合特征图；将所述组合特征图输入姿态识别网络，得到所述姿态信息。5.根据权利要求4所述的方法，其特征在于，在所述对所述目标图像进行特征提取，得到所述目标物体的姿态特征和关键特征之前，所述方法还包括：获取初始姿态检测模型；所述初始姿态检测模型包括初始特征提取网络、初始姿态特征提取网络、初始关键特征提取网络和初始姿态识别网络；获取样本图像、样本姿态信息和样本关键信息；所述样本姿态信息表示所述样本图像中的样本物体的姿态信息；所述样本关键信息表示所述样本图像中的样本物体的关键点位置和边缘轮廓中至少一个；将所述样本图像作为输入样本、将所述样本关键信息和所述样本姿态信息作为输出样本，对所述初始姿态检测模型进行训练，得到姿态检测模型；所述姿态检测模型包括所述特征提取网络、所述姿态特征提取网络、所述关键特征提取网络和所述姿态识别网络。6.根据权利要求5所述的方法，其特征在于，所述获取样本图像，包括：获取包含所述样本物体的原始图像，并对所述原始图像进行第一预处理，得到所述样本图像；其中，所述第一预处理包括光照变换、添加高斯噪声、运动模糊、旋转、平移、剪切、水平翻转和尺寸调整中至少一个。7.根据权利要求1-3中任一项所述的方法，其特征在于，所述获取包含目标物体的目标图像，包括：2CN113822102A权利要求书2/2页获取包含所述目标物体的目标原始图像，并对所述目标原始图像进行第二预处理，得到所述目标图像；其中，所述第二预处理包括运动模糊的复原、去噪和尺寸调整中至少一个。8.一种姿态估计装置，其特征在于，所述装置包括：图像获取模块，用于获取包含目标物体的目标图像；特征提取模块，用于对所述目标图像进行特征提取，得到所述目标物体的姿态特征和关键特征，所述关键特征包括关键点特征和边缘轮廓特征中的至少一个；姿态识别模块，用于根据所述姿态特征和所述关键特征，得到所述目标物体的姿态信息。9.一种电子设备，其特征在于，包括：处理器和用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，使得所述电子设备执行如权利要求1-7中任一项所述的姿态估计方法。10