论文部分内容阅读
增强现实技术通过生成与真实环境高度近似的数字化场景,为用户与数字化物体的交互提供可能;在手术机器人领域,环境中物体准确的物理位置和朝向有助于机器人完成路径规划、导航工作。三维物体的六自由度（Six Degreesoffreedom,6D）位姿估计研究被广泛应用于上述等领域。该技术通过识别场景图像中的多个物体对象并在相机坐标系下确定各对象坐标系的6D位姿信息以获取三维物体的位置和姿态。然而,物体具有多样的类别且其在二维平面上的投影外观与光照条件、背景嘈杂程度及物体间遮挡有关,为三维物体6D位姿估计研究带来挑战。本文从两方面对三维物体的6D位姿估计技术展开研究。（1）面向经颅磁刺激手术场景,鉴于基于标记的相机6D位姿估计方法具有易检测、高速和高精确度的优点,因此将基准标记作为该场景下物体对象识别和位姿估计的桥梁。进而,本文探索引入图像增强算法和超分辨率技术对场景中标记检测率和6D位姿估计准确度的优化效果。（2）针对更广泛的增强现实应用场景进行类别级物体6D位姿估计的算法模型研究。鉴于对象坐标表示法可减少候选假设数目并有效应对遮挡和背景嘈杂,故本文采用对象坐标表示以构建相机坐标与对象坐标间的对应关系集合。又考虑到Preemptive随机采样一致性算法可避免对被异常值污染或者噪声扭曲的无用候选假设进行过度打分,故本文在类别级物体6D位姿估计过程中引入Preemptive随机采样一致性算法。同时本文提出位姿修正步骤,该步骤通过精选候选假设的内点集合,且仅当新内点集合具有更小平均距离度量值时对该候选假设进行修正,从而处理存在误匹配的对应关系集合。实验结果表明:引入超分辨率技术可有效提高场景中多标记检测率和6D位姿估计准确度,该技术方案模拟实施经颅磁刺激手术时三维模型与对应真实物体间精确配准的场景,有助于提高术中定位的准确性并促进增强现实技术在经颅磁刺激手术中的应用和推广;相较于其他类别级物体6D位姿估计算法,本文通过引入Preemptive随机采样一致性算法并提出位姿修正步骤,提高类别级物体6D位姿估计的精度。