计算机应用

作者：马康哲, 皮家甜, 熊周兵, 吕佳

单位：1.重庆师范大学 计算机与信息科学学院, 重庆 401331；2.重庆国家应用数学中心(重庆师范大学), 重庆 401331；3.北京理工大学重庆创新中心, 重庆 401120

关键词：物体6D姿态估计,注意力模块,卷积注意力模块,遮挡物体,关键点

基金：重庆市教委科技项目重点项目(KJZD?K202114802);重庆市教委科技项目青年项目(KJQN201800116);重庆市高校创新群体项目(CXQT20015);重庆市2021年研究生科研创新项目(CYS21272)

在机械臂视觉抓取过程中，现有的算法在复杂背景、光照不足、遮挡等条件下，难以对目标物体进行实时、准确、鲁棒的姿态估计。针对以上问题，提出一种基于关键点方法的融合注意力特征的物体6D姿态网络。首先，在跳跃连接（Skip Connection）阶段引入能够聚焦通道空间信息的卷积注意力模块（CBAM），使编码阶段的浅层特征与解码阶段的深层特征进行有效融合，增强特征图的空间域信息和精确位置通道信息；其次，采用归一化损失函数以弱监督的方式回归每个关键点的注意力图，将注意力图作为对应像素位置上关键点偏移量的权重分数；最后，累加求和得到关键点坐标。实验结果证明，所提网络在LINEMOD数据集和Occlusion LINEMOD数据集上ADD（-S）指标分别达到了91.3%和46.3%。与基于关键点的逐像素投票网络（PVNet）相比ADD（-S）指标分别提升了5.0个百分点和5.5个百分点，验证了所提网络在遮挡场景下有更好的鲁棒性。

来源：2022年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第12期