申请/专利权人:合肥工业大学
申请日:2023-12-19
公开(公告)日:2024-03-22
公开(公告)号:CN117746499A
主分类号:G06V40/20
分类号:G06V40/20;G06V10/44;G06V10/42;G06V10/62;G06V10/764;G06V10/774;G06V10/82;G06N3/0499;G06N3/084;G06N3/088
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明涉及一种基于无监督关键点生成的实时类别级关节体姿态跟踪方法,包括:获取标准化完整关节物体点云,生成各个物体的姿态变化视频数据,构建自遮挡关节物体数据集;构建关键点生成网络和关键点跟踪网络;对关键点生成网络进行训练;生成标准关键点,并计算出实时关键点真值;对关键点跟踪网络进行训练;对姿态变化视频进行初步姿态估计,获得对于底座姿态与关节角度的初步估计,并生成规范化后点云数据的实时关键点;结合实时关键点进行优化,得到姿态估计结果。本发明将类别级关节物体的6D姿态跟踪问题形式化为3D关键点生成跟踪问题,以无监督的方式自动生成3D有序关键点,用于训练关键点跟踪网络,提升了整个视频的鲁棒性和实时性能。
主权项:1.一种基于无监督关键点生成的实时类别级关节体姿态跟踪方法,其特征在于:该方法包括下列顺序的步骤:1获取标准化完整关节物体点云,生成各个物体的姿态变化视频数据,各个物体的姿态变化视频数据包括旋转矩阵的真值和关节角度的真值,通过各个物体的姿态变化视频数据构建自遮挡关节物体数据集;2构建关键点生成网络和关键点跟踪网络;3通过标准化完整关节物体点云对关键点生成网络进行训练;4通过标准化完整关节物体点云和训练后的关键点生成网络生成标准关键点,并计算出实时关键点真值;5通过自遮挡关节物体数据集和实时关键点真值对关键点跟踪网络进行训练;6根据训练好的关键点跟踪网络,对姿态变化视频进行初步姿态估计,获得对于底座姿态与关节角度的初步估计,并生成规范化后点云数据的实时关键点pk;7结合实时关键点pk进行优化,得到姿态估计结果。
全文数据:
权利要求:
百度查询: 合肥工业大学 基于无监督关键点生成的实时类别级关节体姿态跟踪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。