所我們?cè)讷@取若干點(diǎn)對(duì)之后，就可以直接求解出相機(jī)中物體與數(shù)據(jù)庫(kù)中物體之間的單應(yīng)性矩陣。如果我們用深度相機(jī)（如Kinect）或者雙目視覺(jué)方法，確定出每個(gè)特征點(diǎn)的 D 位置。那么，直接求解這個(gè) PnP 問(wèn)題，就可以計(jì)算出物體在當(dāng)前相機(jī)坐標(biāo)系下的位姿?！?這里就放一個(gè)實(shí)驗(yàn)室之前畢業(yè)師兄的成果當(dāng)然，實(shí)際操作過(guò)程中還是有很多細(xì)節(jié)工作才可以讓它真正可用的，如：先利用點(diǎn)云分割和歐氏距離去除背景的影響、選用特征比較穩(wěn)定的物體（有時(shí)候 SIFT 也會(huì)變化）、利用貝葉斯方法加速匹配等。而且，除了 SIFT 之外，后來(lái)又出了一大堆類(lèi)似的特征點(diǎn)，如 SURF、ORB 等。無(wú)紋理的物體好了，有問(wèn)題的物體容易解決，那么生活中或者工業(yè)里還有很多物體是沒(méi)有紋理的：我們最容易想到的就是：是否有一種特征點(diǎn)，可以描述物體形狀，同時(shí)具有跟 SIFT 相似的不變性不幸的是，據(jù)我了解，目前沒(méi)有這種特征點(diǎn)。所以，之前一大類(lèi)方法還是采用基于模板匹配的辦法，但是，對(duì)匹配的特征進(jìn)行了專(zhuān)門(mén)選擇（不只是邊緣等簡(jiǎn)單特征）。只要有了這個(gè)初步估計(jì)的物姿，我們就可以直接采用 ICP 算法（Iterative closest point）匹配物體模型與 D 點(diǎn)云，從而得到物體在相機(jī)坐標(biāo)系下的精確位姿。當(dāng)然，這個(gè)算法在具體實(shí)施過(guò)程中還是有很多細(xì)節(jié)的：如何建立模板、顏色梯度的表示等。另外，這種方法無(wú)法應(yīng)對(duì)物體被遮擋的情況。（當(dāng)然，通過(guò)降低匹配閾值，可以應(yīng)對(duì)部分遮擋，但是會(huì)造成誤識(shí)別）。針對(duì)部分遮擋的情況，我們實(shí)驗(yàn)室的張博士去年對(duì) LineMod 進(jìn)行了改進(jìn)，但由于論文尚未發(fā)表，所以就先不過(guò)多涉及了。五．深度學(xué)習(xí)由于深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域得到了非常好的效果，我們做機(jī)器人的自然也會(huì)嘗試把 DL 用到機(jī)器人的物體識(shí)別中。首先，對(duì)于物體識(shí)別，這個(gè)就可以照搬 DL 的研究成果了，各種 CNN 拿過(guò)來(lái)用就好了。在 年的『亞馬遜抓取大賽』中，很多隊(duì)伍都采用了 DL 作為物體識(shí)別算法。然而， 在這個(gè)比賽中，雖然很多人采用 DL 進(jìn)行物體識(shí)別，但在物姿估計(jì)方面都還是使用比較簡(jiǎn)單、或者傳統(tǒng)的算法。似乎并未廣泛采用 DL。如 周博磊 所說(shuō)，一般是采用 semantic segmentation network 在彩色圖像上進(jìn)行物體分割，之后，將分割出的部分點(diǎn)云與物體 D 模型進(jìn)行ICP匹配。北京惠昌偉業(yè)科技有限公司成立于2003年，專(zhuān)注于先進(jìn)的制造技術(shù)及設(shè)備，集代理銷(xiāo)售、技術(shù)研發(fā)、設(shè)備生產(chǎn)于一體，致力于為客戶提供先進(jìn)的生產(chǎn)設(shè)備和自動(dòng)化解決方案。