论文摘要
利用卷积神经网络学习并预测二维图像中三维物体的姿态信息,提出一种基于李代数的三维物体姿态表征方式。为了仅利用二维图像来准确预测三维姿态信息,采用李群和李代数将三维物体姿态分解为平移和旋转向量,姿态向量表征方式满足神经网络反向传播时要求的可微分条件,提高了训练效率。首先,通过RGBD相机获取三维物体的真实坐标信息,然后利用旋转矩阵和平移矩阵来描述物体的三维坐标,运用李代数将旋转矩阵和平移矩阵转化为对应向量,使用卷积神经网络回归对应的坐标向量来预测三维姿态信息。相比其他同类算法,本方法提升了三维物体姿态预测的准确性,提高了算法的测试速度。
论文目录
文章来源
类型: 期刊论文
作者: 李海伦,江浩,孙鹏伟
关键词: 三维物体,卷积神经网络,姿态检测,李代数,深度学习
来源: 山东科技大学学报(自然科学版) 2019年06期
年度: 2019
分类: 基础科学,信息科技
专业: 数学,计算机软件及计算机应用,自动化技术
单位: 山东科技大学机器人研究中心
基金: 山东省重点研发计划项目（2016GSF201197）
分类号: TP391.41;O152.5;TP183
DOI: 10.16452/j.cnki.sdkjzk.2019.06.012
页码: 91-97+122
总页数: 8
文件大小: 1375K
下载量: 112