基于卷积神经网络的深度图姿态估计算法研究

• 作者: 刘复昌 王松 董洪伟 许威威 黄骥
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 姿态估计 卷积神经网络 深度图像 场景重建
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 仿真建模理论与方法
• 页码范围: 2618-2623
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.201711003

摘要

随着深度相机的应用,三维场景的重建越来越简单、快速.从单视角的深度场景图像中检索出物体还是比较困难,特别是物体的姿态估计.提出了一种基于卷积神经网络的深度图像姿态估计算法.该算法采用了回归估计来实现姿态的估计.通过3D模型合成大量不同姿态的深度图像样本,从而解决回归估计需要稠密采样的训练数据问题.对于不同类别的物体,分别用线性回归估计来拟合姿态函数.在基于LeNet-5模型上修改了卷积神经网络的结构,使得该网络适用于回归估计.实验结果表明:我们的方法取得了平均误差约4.3°的估计结果,优于其他文献的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董洪伟		49	386	11.0	18.0
2	许威威		3	48	2.0	3.0
3	王松		3	14	3.0	3.0
4	刘复昌		7	19	3.0	4.0
5	黄骥		2	8	2.0	2.0