位姿估计方法及装置、电子设备和存储介质与流程

1.本公开涉及计算机视觉技术领域，尤其涉及一种位姿估计方法及装置、电子设备和存储介质。


背景技术：

2.6d姿态估计是计算机视觉研究领域以及工业制造应用场景中的重要问题。其应用场景包括智能机器人抓取、自动驾驶和增强现实等。通常可以通过采集具有深度信息的目标图像进行对象的姿态估计，但在获取深度信息时不可避免引入物理噪声。同时，在需要进行对象姿态估计时，对象以外的其他区域也会引入相应的噪声。


技术实现要素：

3.本公开提出了一种位姿估计方法及装置、电子设备和存储介质，旨在排除位姿估计过程中的噪声干扰。
4.根据本公开的第一方面，提供了一种位姿估计方法，包括：
5.获取包括待检测对象的目标图像；
6.将所述目标图像输入位姿识别模型，通过所述位姿识别模型提取所述目标图像中的待检测对象所在的目标区域，得到第一图像和所述第一图像对应的掩码图像；
7.根据所述掩码图像对所述第一图像进行外部降噪，得到第二图像；
8.对所述第二图像进行内部降噪以及位姿识别，得到所述待检测对象的位姿信息。
9.在一种可能的实现方式中，所述将所述目标图像输入位姿识别模型，通过所述位姿识别模型提取所述目标图像中的待检测对象所在的目标区域，包括：
10.将所述目标图像输入位姿识别模型，通过所述位姿识别模型识别得到所述目标图像中待检测对象对应的检测框位置和对应的分割掩码；
11.根据所述检测框位置裁剪所述目标图像并得到第一图像；
12.根据所述分割掩码确定所述第一图像对应的掩码图像。
13.在一种可能的实现方式中，所述根据所述掩码图像对所述第一图像进行外部降噪，得到第二图像，包括：
14.确定所述第一图像的坐标特征图像和法向量特征图像；
15.根据所述第一图像、所述坐标特征图像和所述法向量特征图像确定待降噪图像；
16.通过对所述掩码图像和所述待降噪图像进行点乘，得到第二图像。
17.在一种可能的实现方式中，所述确定所述第一图像的坐标特征图像和法向量特征图像，包括：
18.计算所述第一图像中对象的坐标信息得到第一坐标图像；
19.对所述第一坐标图像进行坐标反投影得到第二坐标图像，并确定所述第一坐标图像和所述第二坐标图像为坐标特征图像；
20.计算所述第一图像中深度通道的法向量得到法向量特征图像。
21.在一种可能的实现方式中，所述根据所述第一图像、所述坐标特征图像和所述法向量特征图像确定待降噪图像，包括：
22.对所述第一图像、所述坐标特征图像和所述法向量特征图像进行通道拼接，得到拼接图像；
23.对所述拼接图像进行位置编码得到待降噪图像。
24.在一种可能的实现方式中，所述对所述拼接图像进行位置编码得到待降噪图像，包括：
25.对所述拼接图像中的至少一个图像通道进行位置编码得到编码图像；
26.将所述拼接图像中所述至少一个图像通道分别与所述编码图像中对应的图像通道相加得到待降噪图像。
27.在一种可能的实现方式中，所述对所述第二图像进行内部降噪以及位姿识别，包括：
28.对所述第二图像进行特征提取，得到特征提取信息；
29.对所述特征提取信息进行内部降噪以及位置识别，得到所述待检测对象的位姿、空间坐标信息和重投影信息；
30.确定包括所述位姿、所述空间坐标信息和所述重投影信息的位姿信息。
31.在一种可能的实现方式中，所述位姿识别模型中包括用于确定第二图像的对象提取模块和用于确定位姿信息的位姿识别模块，所述位姿识别模块包括用于特征提取的骨干网络层和用于位置识别和内部降噪的深度去噪层；
32.所述位姿识别模块的训练过程包括：
33.确定至少一个样本第一图像和对应的标注重投影信息；
34.将所述样本第一图像作为所述位置识别模块的输入，确定对应的预测位姿信息，所述预测位姿信息中包括预测位姿、预测坐标和预测重投影信息；
35.根据所述至少一个样本第一图像的标注重投影信息和预测重投影信息的差异调节所述位置识别模型中的深度去噪层。根据本公开的第二方面，提供了一种位姿估计装置，包括：
36.图像确定模块，用于获取包括待检测对象的目标图像；
37.区域提取模块，用于将所述目标图像输入位姿识别模型，通过所述位姿识别模型提取所述目标图像中的待检测对象所在的目标区域，得到第一图像和所述第一图像对应的掩码图像；
38.降噪模块，用于根据所述掩码图像对所述第一图像进行外部降噪，得到第二图像；
39.位姿估计模块，用于对所述第二图像进行内部降噪以及位姿识别，得到所述待检测对象的位姿信息。
40.在一种可能的实现方式中，所述区域提取模块，包括：
41.对象识别子模块，用于将所述目标图像输入位姿识别模型，通过所述位姿识别模型识别得到所述目标图像中待检测对象对应的检测框位置和对应的分割掩码；
42.图像裁剪子模块，用于根据所述检测框位置裁剪所述目标图像并得到第一图像；
43.掩码确定子模块，用于根据所述分割掩码确定所述第一图像对应的掩码图像。
44.在一种可能的实现方式中，所述降噪模块，包括：
45.特征图像确定子模块，用于确定所述第一图像的坐标特征图像和法向量特征图像；
46.待降噪图像确定子模块，用于根据所述第一图像、所述坐标特征图像和所述法向量特征图像确定待降噪图像；
47.外部降噪子模块，用于通过对所述掩码图像和所述待降噪图像进行点乘，得到第二图像。
48.在一种可能的实现方式中，所述特征图像确定子模块，包括：
49.第一坐标确定单元，用于计算所述第一图像中对象的坐标信息得到第一坐标图像；
50.第二坐标确定单元，用于对所述第一坐标图像进行坐标反投影得到第二坐标图像，并确定所述第一坐标图像和所述第二坐标图像为坐标特征图像；
51.法向量特征确定单元，用于计算所述第一图像中深度通道的法向量得到法向量特征图像。
52.在一种可能的实现方式中，所述待降噪图像确定子模块，包括：
53.通道拼接单元，用于对所述第一图像、所述坐标特征图像和所述法向量特征图像进行通道拼接，得到拼接图像；
54.位置编码单元，用于对所述拼接图像进行位置编码得到待降噪图像。
55.在一种可能的实现方式中，所述位置编码单元，包括：
56.通道编码子单元，用于对所述拼接图像中的至少一个图像通道进行位置编码得到编码图像；
57.通道相加子单元，用于将所述拼接图像中所述至少一个图像通道分别与所述编码图像中对应的图像通道相加得到待降噪图像。
58.在一种可能的实现方式中，所述位姿估计模块，包括：
59.特征提取子模块，用于对所述第二图像进行特征提取，得到特征提取信息；
60.内部降噪子模块，用于对所述特征提取信息进行内部降噪以及位置识别，得到所述待检测对象的位姿、空间坐标信息和重投影信息；
61.位姿信息确定子模块，用于确定包括所述位姿、所述空间坐标信息和所述重投影信息的位姿信息。
62.在一种可能的实现方式中，所述位姿识别模型中包括用于确定第二图像的对象提取模块和用于确定位姿信息的位姿识别模块，所述位姿识别模块包括用于特征提取的骨干网络层和用于位置识别和内部降噪的深度去噪层；
63.所述位姿识别模块的训练过程包括：
64.确定至少一个样本第一图像和对应的标注重投影信息；
65.将所述样本第一图像作为所述位置识别模块的输入，确定对应的预测位姿信息，所述预测位姿信息中包括预测位姿、预测坐标和预测重投影信息；
66.根据所述至少一个样本第一图像的标注重投影信息和预测重投影信息的差异调节所述位置识别模型中的深度去噪层。
67.根据本公开的第三方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方
法。
68.根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
69.在本公开实施例中，获取包括待检测对象的目标图像，将目标图像输入训练得到的位姿识别模型，提取目标图像中的待检测对象所在的目标区域，得到第一图像和对应的掩码图像。再根据掩码图像对第一图像进行外部降噪，得到第二图像。对第二图像进行内部降噪以及位姿识别，得到待检测对象的位姿信息。本公开在位姿估计的过程中，通过位姿识别模型对目标图像中的待检测对象进行了外部降噪和内部降噪两种降噪处理，排除外部噪声以及内部噪声对位姿识别的影响，提高了对象位姿信息的准确性。
70.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
71.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
72.图1示出根据本公开实施例的一种位姿估计方法的流程图；
73.图2示出根据本公开实施例的一种位姿识别模型的结构示意图；
74.图3示出根据本公开实施例的一种确定第二图像过程的示意图；
75.图4示出根据本公开实施例的一种确定位姿信息过程的示意图；
76.图5示出根据本公开实施例的一种位姿识别过程的示意图；
77.图6示出根据本公开实施例的一种位姿估计装置的示意图；
78.图7示出根据本公开实施例的一种电子设备的示意图；
79.图8示出根据本公开实施例的另一种电子设备的示意图。
具体实施方式
80.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
81.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
82.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
83.另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
84.在一种可能的实现方式中，本公开实施例的位姿估计方法可以由终端设备或服务
器等电子设备执行。其中，终端设备可以为用户设备(user equipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等固定或移动终端设备，服务器可以为单独的服务器或多个服务器组成的服务器集群。电子设备可以通过处理器调用存储器中存储的计算机可读指令的方式来实现位姿估计方法。可选地，本公开实施例可以应用于对任意对象进行位姿估计的应用场景。
85.图1示出根据本公开实施例的一种位姿估计方法的流程图，如图1所示，本公开实施例的位姿估计方法可以包括如下步骤s10-s40。
86.步骤s10、获取包括待检测对象的目标图像。
87.在一种可能的实现方式中，电子设备获取需要进行位姿估计的待检测对象对应的目标图像，电子设备可以直接通过内置或连接的图像采集装置采集待检测对象的方式获取目标图像，或者还可以通过接收其他电子设备对待检测对象进行图像采集后上传图像的方式获取目标图像。其中，待检测对象可以为任意需要进行姿态估计的对象，例如人物、猫、狗等动物对象，以及水杯、家具、车辆、建筑等非动物对象。
88.可选地，为了提高位姿估计结果的准确性，目标图像可以为同时包括色彩通道和深度通道的图像，即同时包括色彩特征信息和深度特征信息。例如，目标图像可以为包括三个色彩通道和一个深度通道的rgb-d图像，其中三个色彩通道用于表征目标图像中每个像素的色彩特征，深度通道用于表征目标图像中每个像素的深度特征。
89.步骤s20、将所述目标图像输入位姿识别模型，通过所述位姿识别模型提取所述目标图像中的待检测对象所在的目标区域，得到第一图像和所述第一图像对应的掩码图像。
90.在一种可能的实现方式中，电子设备确定包括待检测对象的目标图像后，可以通过预先训练得到的位姿识别模型对目标图像进行位姿识别，得到其中待检测对象的位姿信息。其中，位姿识别过程中可以对目标图像按顺序进行两阶段处理，并在每一阶段处理过程中进行一次降噪操作，得到不受噪声干扰的位姿信息。可选地，第一阶段处理过程执行的降噪操作为外部降噪，用于去除目标图像中待检测对象以外背景区域引入的噪声。第二阶段处理过程执行的降噪操作为内部降噪，用于去除目标图像待检测目标区域的深度信息引入得到内部噪声。
91.可选地，位姿识别模型进行第一阶段处理的过程可以包括将从目标图像中提取待检测对象所在的目标区域，得到第一图像和第一图像对应的掩码图像。其中，第一图像可以通过裁剪目标图像中的待检测对象所在的目标区域确定，掩码图像可以表征第一图像中待检测对象所在的位置。例如，掩码图像可以为由0和1组成的二值图像，可以将待检测对象所在位置对应的像素值设置为1，待检测对象所在位置的像素值设置为0。
92.进一步地，位姿识别模型可以通过对象识别的方式确定第一图像和对应的掩码图像。即位姿识别模型可以先通过识别目标图像中待检测对象对应的检测框位置和分割掩码确定第一图像和掩码图像。再根据检测框位置裁剪目标图像并得到第一图像，根据分割掩码确定第一图像对应的掩码图像。其中，检测框位置和分割掩码均根据待检测对象所在位置确定。检测框可以为方形框，包括待检测对象和位于待检测对象周围的背景信息。分割掩码用于分割背景信息和待检测对象，可以通过1和0分别表征待检测对象和目标图像中待检测对象以外的全部背景信息。电子设备可以直接根据检测框位置裁剪目标图像得到第一图
像，根据分割掩码确定目标图像对应的分割掩码图像，再根据检测框位置裁剪分割掩码图像得到第一图像对应的掩码图像。
93.可选地，位姿识别模型可以包括两个模块，用于分别对目标图像按顺序执行两阶段处理，并在每一阶段处理过程中进行一次降噪操作，得到不受噪声干扰的位姿信息。例如，位姿识别模型包括的两个模块可以分别为对象提取模块和位姿识别模块，其中，对象提取模块用于进行第一阶段处理，位姿识别模块用于进行第二阶段处理。对象提取模块和位姿识别模块中还可以包括至少一个用于执行不同操作的处理层。第一阶段处理过程执行的降噪操作为外部降噪，用于去除目标图像中待检测对象以外背景区域引入的噪声。第二阶段处理过程执行的降噪操作为内部降噪，用于去除目标图像待检测目标区域的深度信息引入得到内部噪声。
94.图2示出根据本公开实施例的一种位姿识别模型的结构示意图。如图2所示，位姿识别模型20中包括分别用于进行外部降噪和内部降噪两种降噪操作的对象提取模块21和位姿识别模块22。其中，位姿识别模块22中还可以包括两个进行不同数据处理的骨干网络层23和深度去噪层24。
95.可选地，在位姿识别模型中包括对象提取模块的情况下，电子设备在将目标图像输入位姿识别模型后，先通过位姿识别模型中的对象提取模块对目标图像进行第一阶段的处理，即从目标图像中提取待检测对象所在的目标区域，得到第一图像和第一图像对应的掩码图像。
96.进一步地，对象提取模块可以通过识别目标图像中待检测对象对应的检测框位置和分割掩码确定第一图像和掩码图像。即在将目标图像输入训练得到的位姿识别模型，通过位姿识别模型中的对象提取模块识别得到目标图像中待检测对象对应的检测框位置和对应的分割掩码。再根据检测框位置裁剪目标图像并得到第一图像，并根据分割掩码确定第一图像对应的掩码图像。电子设备可以直接根据检测框位置裁剪目标图像得到第一图像，根据分割掩码确定目标图像对应的分割掩码图像，再根据检测框位置裁剪分割掩码图像得到第一图像对应的掩码图像。
97.步骤s30、根据所述掩码图像对所述第一图像进行外部降噪，得到第二图像。
98.在一种可能的实现方式中，位置识别模型对目标图像进行的第一阶段处理还包括对第一图像进行外部降噪得到第二图像，即在确定目标图像对应的第一图像和掩码图像后，还可以根据掩码图像对第一图像进行外部降噪，得到去除外部噪声的第二图像。第一图像中的外部噪声为待检测对象所在区域以外的背景区域引入的噪声，即该外部降噪针对待检测对象以外区域引入的噪声进行降噪。在位姿识别模型中还包括对象提取模块的情况下，可以由对象提取模块对第一图像进行外部降噪。
99.可选地，为了提高外部降噪效果的准确程度，可以先提取第一图像的坐标特征和法向量特征，再基于坐标特征和法向量特征执行降噪操作得到第二图像。即外部降噪的过程可以包括确定第一图像的坐标特征图像和法向量特征图像，根据第一图像、坐标特征图像和法向量特征图像确定待降噪图像，再通过对掩码图像和待降噪图像进行点乘，得到第二图像。其中，坐标特征图像用于表征待检测对象在第一图像中的坐标特征，法向量特征根据第一图像的深度通道确定，用于表征第一图像中待检测对象的形态。
100.可选地，坐标特征图像中可以包括两个不同的图像，确定第一图像对应坐标特征
图像和法向量特征图像的过程可以包括计算第一图像中对象的坐标信息得到第一坐标图像，再对第一坐标图像进行坐标反投影得到第二坐标图像，并确定第一坐标图像和第二坐标图像为坐标特征图像。然后计算第一图像中深度通道的法向量得到法向量特征图像。其中，第一坐标图像可以为根据第一图像二维uv坐标确定的图像，其尺寸大小与第一图像相同，包括u坐标对应的用于存储像素点横坐标的u通道，和v坐标对应的用于存储像素点纵坐标的v通道。第二坐标图像可以根据采集目标图像的相机对应的内参矩阵和深度图，对第一坐标图像进行反投影得到，包括xy两个通道。深度图可以为第一图像的深度通道。法向量特征图像可以通过直接计算第一图像中深度通道的法向量确定，包括三个通道。
101.在一种可能的实现方式中，可以通过通道拼接以及编码的方式确定第一图像对应的待降噪图像，即可以在确定第一图像对应的坐标特征图写法向量特征图像后，对第一图像、坐标特征图像和法向量特征图像进行通道拼接，得到拼接图像，再对拼接图像进行位置编码得到待降噪图像。其中，拼接图像包括由第一图像中4个通道、第一坐标图像中2个通道、第二坐标图像中2个通道、以及法向量特征图像中3个通道组成的11个通道。
102.可选地，对拼接图像进行位置编码的过程可以包括对拼接图像中包括的通道分别进行位置编码得到编码图像，将拼接图像中包括的通道分别与编码图像中对应的通道相加得到待降噪图像。例如，确定拼接图像中每个通道对应的uv坐标，并通过三角函数对uv坐标进行编码得到编码后的通道，再将每个通道位置编码的结果与拼接图像中对应通道相加，得到待降噪图像。在得到待降噪图像后，通过计算待降噪图像和掩码图像的点乘结果实现外部降噪，得到第二图像。
103.图3示出根据本公开实施例的一种确定第二图像过程的示意图。如图3所示，电子设备在确定目标图像30后，通过对象提取模块31提取目标图像中待检测对象所在的目标区域得到第一图像32以及对应的掩码图像33。确定第一图像32对应的坐标特征图像34和法向量特征图像35后，通过通道拼接第一图像32、坐标特征图像34和法向量特征图像35确定待降噪图像36，再计算掩码图像33与待降噪图像36的点积结果实现外部降噪，得到去除了背景区域引入外部噪声的第二图像35。
104.步骤s40、对所述第二图像进行内部降噪以及位姿识别，得到所述待检测对象的位姿信息。
105.在一种可能的实现方式中，在对目标图像进行对象提取和外部降噪得到第二图像后，可以进一步通过位姿识别模型执行第二阶段处理，即对第二图像进行内部降噪以及位姿识别，得到待检测对象准确的位姿信息。其中，内部降噪和位姿识别的过程可以包括对第二图像进行特征提取得到特征提取信息，再对特征提取信息进行内部降噪以及位置识别，得到待检测对象的位姿、空间坐标信息和重投影信息，确定包括位姿、空间坐标信息和重投影信息的位姿信息。可选地，内部噪声为待检测对象深度信息的差异噪声，即内部降噪针对待检测对象内部的噪声进行降噪。
106.可选地，在位姿识别模型中包括位姿识别模块，且位姿识别模块内还可以包括用于进行不同处理的骨干网络层和深度去噪层的情况下，位姿识别模块用于进行位姿估计过程的第二阶段处理，该第二阶段处理过程先通过骨干网络层进行特征提取，再根据深度去噪层进行内部降噪以及位置识别，得到位姿信息。其中，本公开实施例可以通过在位姿识别模块训练过程中引入空间坐标信息和重投影坐标信息约束的方式，增加位姿识别模块的内
部降噪功能。即可以在训练过程中根据位姿约束、空间坐标约束和重投影坐标约束三种约束共同调整位姿识别模块的参数，其中，通过位姿约束和空间坐标约束调整骨干网络层和深度去噪层，通过重投影坐标约束调整深度去噪层参数。
107.可选地，位姿识别模块的训练过程可以包括确定至少一个样本第一图像和对应的标注重投影信息。将样本第一图像作为位置识别模块的输入，确定对应的预测位姿信息，预测位姿信息中包括预测位姿、预测坐标和预测重投影信息。根据至少一个样本第一图像的标注重投影信息和预测重投影信息的差异调节位置识别模型中的深度去噪层。其中样本第一图像为作为样本的去除了外部噪声的第一图像，标注重投影信息可以通过样本第一图像的标注位姿信息确定，即可以确定至少一个样本第一图像和对应的标注位姿信息，再根据标注位姿信息确定标注重投影信息。
108.可选地，标注位姿信息可以预先人工标注或自动确定。例如，可以通过cad(computer aided design，计算机辅助设计)建模方式确定标注对象，多次通过旋转以及平移对象的方式转换标注对象位姿并在每次转换位姿后采集对应的标注第一图像。在每次转换位姿后根据对象的旋转矩阵和真实平移确定标注位姿信息。再根据标注位姿信息中的旋转量r*、偏移量t*以及每个像素点在模型坐标系的坐标(a，b，c)得到在相机坐标系中的坐标(x，y，d)的方式确定标注重投影信息。其中，重投影信息中包括每个像素点在相机坐标系中的坐标，以及根据重投影得到的深度d计算的法向量，重投影信息中可以包括表征横坐标x通道、纵坐标y通道、深度信息d通道和三个法向量通道组成的六个通道。重投影信息中的坐标(x，y，d)可以通过如下公式确定：
[0109][0110]
在一种可能的实现方式中，可以在确定样本第一图像和标注重投影信息后，根据标注重投影信息和预测重投影信息的差异调节深度去噪层。可选地，还可以根据每个样本第一图像的标注位姿信息确定标注坐标，再根据标注位姿信息和预测位姿信息的差异，以及标注坐标和预测坐标的差异共同调节位置识别模型中的骨干网络层和深度去噪层。
[0111]
图4示出根据本公开实施例的一种确定位姿信息过程的示意图。如图4所示，本公开实施例确定位姿信息的过程可以为先将第二图像40输入位姿识别模块中的骨干网络层41，得到特征提取信息42。再将特征提取信息42输入深度去噪层43，去除内部噪声并进行位姿估计得到对应的对象位姿44、空间坐标信息45和重投影信息46作为准确的位姿信息。
[0112]
图5示出根据本公开实施例的一种位姿识别过程的示意图。如图5所示，本公开实施例的位姿识别过程包括两个阶段，第一阶段用于通过位姿识别模型中的对象提取模块对目标图像进行外部降噪，得到第一图像。第二阶段用于通过骨干网络层提取特征提取信息，再由深度去噪层进行内部降噪和位姿估计，得到准确的对象位姿、空间坐标信息和重投影信息作为准确的位姿信息。
[0113]
基于上述特征，本公开实施例能够通过一个位姿识别模型自动去除目标图像中两种噪声，排除噪声干扰得到其中待检测对象准确的位姿信息。其中，位姿识别模型中通过确定掩码图像的方式有效的过滤背景区域引入的外部噪声，提高了外部降噪的准确性。通过在训练过程中引入重投影信息约束，实现在位姿估计的过程中自动过滤深度信息引入的噪
声，提高了内部降噪的准确性。本公开实施例通过精准、有效的过滤外部噪声和内部噪声，进一步提高得到位姿信息结果的准确性。
[0114]
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
[0115]
此外，本公开还提供了位姿估计装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种位姿估计方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
[0116]
图6示出根据本公开实施例的一种位姿估计装置的示意图，如图6所示，本公开实施例的位姿估计装置可以包括：
[0117]
图像确定模块60，用于获取包括待检测对象的目标图像；
[0118]
区域提取模块61，用于将所述目标图像输入位姿识别模型，通过所述位姿识别模型提取所述目标图像中的待检测对象所在的目标区域，得到第一图像和所述第一图像对应的掩码图像；
[0119]
降噪模块62，用于根据所述掩码图像对所述第一图像进行外部降噪，得到第二图像；
[0120]
位姿估计模块63，用于对所述第二图像进行内部降噪以及位姿识别，得到所述待检测对象的位姿信息。
[0121]
在一种可能的实现方式中，所述区域提取模块61，包括：
[0122]
对象识别子模块，用于将所述目标图像输入位姿识别模型，通过所述位姿识别模型识别得到所述目标图像中待检测对象对应的检测框位置和对应的分割掩码；
[0123]
图像裁剪子模块，用于根据所述检测框位置裁剪所述目标图像并得到第一图像；
[0124]
掩码确定子模块，用于根据所述分割掩码确定所述第一图像对应的掩码图像。
[0125]
在一种可能的实现方式中，所述降噪模块62，包括：
[0126]
特征图像确定子模块，用于确定所述第一图像的坐标特征图像和法向量特征图像；
[0127]
待降噪图像确定子模块，用于根据所述第一图像、所述坐标特征图像和所述法向量特征图像确定待降噪图像；
[0128]
外部降噪子模块，用于通过对所述掩码图像和所述待降噪图像进行点乘，得到第二图像。
[0129]
在一种可能的实现方式中，所述特征图像确定子模块，包括：
[0130]
第一坐标确定单元，用于计算所述第一图像中对象的坐标信息得到第一坐标图像；
[0131]
第二坐标确定单元，用于对所述第一坐标图像进行坐标反投影得到第二坐标图像，并确定所述第一坐标图像和所述第二坐标图像为坐标特征图像；
[0132]
法向量特征确定单元，用于计算所述第一图像中深度通道的法向量得到法向量特征图像。
[0133]
在一种可能的实现方式中，所述待降噪图像确定子模块，包括：
[0134]
通道拼接单元，用于对所述第一图像、所述坐标特征图像和所述法向量特征图像进行通道拼接，得到拼接图像；
[0135]
位置编码单元，用于对所述拼接图像进行位置编码得到待降噪图像。
[0136]
在一种可能的实现方式中，所述位置编码单元，包括：
[0137]
通道编码子单元，用于对所述拼接图像中的至少一个图像通道进行位置编码得到编码图像；
[0138]
通道相加子单元，用于将所述拼接图像中所述至少一个图像通道分别与所述编码图像中对应的图像通道相加得到待降噪图像。
[0139]
在一种可能的实现方式中，所述位姿估计模块63，包括：
[0140]
特征提取子模块，用于对所述第二图像进行特征提取，得到特征提取信息；
[0141]
内部降噪子模块，用于对所述特征提取信息进行内部降噪以及位置识别，得到所述待检测对象的位姿、空间坐标信息和重投影信息；
[0142]
位姿信息确定子模块，用于确定包括所述位姿、所述空间坐标信息和所述重投影信息的位姿信息。
[0143]
在一种可能的实现方式中，所述位姿识别模型中包括用于确定第二图像的对象提取模块和用于确定位姿信息的位姿识别模块，所述位姿识别模块包括用于特征提取的骨干网络层和用于位置识别和内部降噪的深度去噪层；
[0144]
所述位姿识别模块的训练过程包括：
[0145]
确定至少一个样本第一图像和对应的标注重投影信息；
[0146]
将所述样本第一图像作为所述位置识别模块的输入，确定对应的预测位姿信息，所述预测位姿信息中包括预测位姿、预测坐标和预测重投影信息；
[0147]
根据所述至少一个样本第一图像的标注重投影信息和预测重投影信息的差异调节所述位置识别模型中的深度去噪层。
[0148]
该方法与计算机系统的内部结构存在特定技术关联，且能够解决如何提升硬件运算效率或执行效果的技术问题(包括减少数据存储量、减少数据传输量、提高硬件处理速度等)，从而获得符合自然规律的计算机系统内部性能改进的技术效果。
[0149]
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
[0150]
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
[0151]
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
[0152]
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
[0153]
电子设备可以被提供为终端、服务器或其它形态的设备。
[0154]
图7示出根据本公开实施例的一种电子设备800的示意图。例如，电子设备800可以
是用户设备(user equipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等终端设备。
[0155]
参照图7，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)接口812，传感器组件814，以及通信组件816。
[0156]
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
[0157]
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0158]
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
[0159]
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0160]
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
[0161]
i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
[0162]
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置
用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(cmos)或电荷耦合装置(ccd)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0163]
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(wi-fi)、第二代移动通信技术(2g)、第三代移动通信技术(3g)、第四代移动通信技术(4g)、通用移动通信技术的长期演进(lte)、第五代移动通信技术(5g)或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0164]
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0165]
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
[0166]
本公开涉及增强现实领域，通过获取现实环境中的目标对象的图像信息，进而借助各类视觉相关算法实现对目标对象的相关特征、状态及属性进行检测或识别处理，从而得到与具体应用匹配的虚拟与现实相结合的ar效果。示例性的，目标对象可涉及与人体相关的脸部、肢体、手势、动作等，或者与物体相关的标识物、标志物，或者与场馆或场所相关的沙盘、展示区域或展示物品等。视觉相关算法可涉及视觉定位、slam、三维重建、图像注册、背景分割、对象的关键点提取及跟踪、对象的位姿或深度检测等。具体应用不仅可以涉及跟真实场景或物品相关的导览、导航、讲解、重建、虚拟效果叠加展示等交互场景，还可以涉及与人相关的特效处理，比如妆容美化、肢体美化、特效展示、虚拟模型展示等交互场景。可通过卷积神经网络，实现对目标对象的相关特征、状态及属性进行检测或识别处理。上述卷积神经网络是基于深度学习框架进行模型训练而得到的网络模型。
[0167]
图8示出根据本公开实施例的另一种电子设备1900的示意图。例如，电子设备1900可以被提供为一服务器或终端设备。参照图8，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
[0168]
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(windows server
tm
)，苹果公司推出的基于图形用户界面操作系统(mac os x
tm
)，多用户多进程的计算机操作系统(unix
tm
),自由和开放原代码的类unix操作系统
(linux
tm
)，开放原代码的类unix操作系统(freebsd
tm
)或类似。
[0169]
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
[0170]
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
[0171]
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
[0172]
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
[0173]
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
[0174]
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
[0175]
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据
处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
[0176]
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
[0177]
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0178]
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
[0179]
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
[0180]
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
[0181]
若本技术技术方案涉及个人信息，应用本技术技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本技术技术方案涉及敏感个人信息，应用本技术技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
[0182]
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。