一种真实环境下基于消费级深度相机的目标位姿估计方法

本发明的一种真实环境下基于消费级深度相机的目标位姿估计方法与其他依赖高精度数据集的位姿估计方法不同，其可以应用于低成本的RGB‑D传感器。该方法由两个阶段组成：第一阶段，我们使用YOLO网络得到的最小包围框从场景中提取目标点云，然后使用欧式聚类分割方法得到纯净的目标点云，以及使用MLS平滑以获得优化的表面点云。在第二阶段，我们从表面点云均匀采样，模型点云中提取ISS特征点，并选择3DSC描述符作为特征描述符，然后引入异构空间向量的RANSAC算法进行粗对准，并使用ICP算法优化精对准以实现精确快速的位姿估计。本发明方法解决了传统的方法在特征点丢失以及深度学习方法上数据集难制作以及算力要求高等问题。