基于YOLO-6D改进的目标姿态估计算法

作者：丛明; 张犇; 杜宇^*; 李金钟

来源：华中科技大学学报(自然科学版)科技大学, 2023, 51(12): 8-13.

DOI：10.13245/j.hust.238897

• 深度学习
• 目标检测
• 姿态估计
• 卷积网络
• 注意力机制

针对传统姿态估计算法抗背景干扰能力弱、被遮挡目标识别精度差的问题，结合深度学习提出一种基于YOLO-6D算法改进的目标姿态估计模型．将原算法中的YOLO V2检测网络变更为YOLO V3网络，同时增添注意力机制以增强模型对背景复杂且存在遮挡的物体的检测能力，并且调整了位姿估计方法，选择单元群进行基于随机样本一致性(RANSAC)算法的EPnP姿态估计来提高估计精度．在LineMod数据集上进行训练，并在LineMod数据集和Occlusion LineMod数据集上进行测试，依据二自由度(2D)投影指标，当距离阈值为30个像素时，提出的算法在Occlusion LineMod数据集条件下精度为72.30%，在GTX2080Ti GPU(图形处理器)上运行速度为25帧/s，具备实时处理能力，综合性能超越其他基于卷积神经网络(CNN)的算法．

• 单位
  大连理工大学; 大连交通大学