摘要
基于单目相机的3D姿态估计方法、电子设备及存储介质,首先构建由真实数据和合成数据组成的数据集,然后对数据集通过YoloPose检测2D骨骼关键点位置,再利用GHUM拟合得到估计的3D数据,得到3D姿态估计的三维姿态数据集,在YoloPose中加入3D维度改进得到3D姿态估计模型,由三维数据集训练3D姿态估计模型,用于对单目相机所得二维图像的3D姿态估计。本发明成本低廉,易于部署,不依赖于额外的传感器或设备,能够在多种光照和复杂环境下稳定工作,由一个深度学习模型即可实现检测及姿态估计。
技术关键词
姿态估计方法
单目相机
骨骼关键点
数据生成技术
多模态
图像
电子设备
可读存储介质
深度学习模型
视觉
程序
指令
髋关节
图片
存储器
计算机
处理器
系统为您推荐了相关专利信息
多模态协同
ToF相机
光纤传感器
红外测温仪
激光雷达
多模态数据融合
卷积特征提取
多模态数据采集
预测系统
多尺度特征融合
数据实时采集装置
红外气体传感器
多通道冗余通信
光纤光栅压力传感器
危险气体探测器