一种基于形状先验的类级别物体6D姿态估计方法

本发明属于深度学习技术领域，公开了一种基于形状先验的类级别物体6D姿态估计方法，首先基于RetinaNet网络检测图像中所有需要预测的物体，并且获取物体掩码图，进一步生成物体局部三维点云。然后基于类pointnet编码器、全连接层解码器以及现有三维点云数据集训练形状先验生成器。进一步将形状先验点云、分割出的物体局部RGB图片、物体局部点云输入姿态预测网络，生成先验点云形状变化以及与物体局部点云的对应。之后根据先验点云形状变化以及旋转变化对先验点云进行变形得到物体的归一化点云。最后利用Umeyama算法将归一化点云和物体实际局部点云进行对齐变换，得到物体的实际6D姿态。提高了识别效率。