基于深度學(xué)習(xí)的非合作目標(biāo)裝配位姿視覺(jué)檢測(cè)

葉晗鳴，蘇 寧，王逍遙

（1. 北京航空航天大學(xué) 機(jī)械工程及其自動(dòng)化學(xué)院，北京 100191；2. 江南造船（集團(tuán)）有限責(zé)任公司，上海 201913）

0 引言

隨著數(shù)字化相關(guān)技術(shù)的快速發(fā)展，數(shù)字化裝配技術(shù)憑借其智能、高效、高精度的特點(diǎn)，在工業(yè)領(lǐng)域的應(yīng)用日益廣泛[1]。目前針對(duì)數(shù)字化裝配過(guò)程中的目標(biāo)位姿測(cè)量問(wèn)題，主要的測(cè)量手段包括使用全站儀、激光跟蹤儀等大型測(cè)量設(shè)備進(jìn)行測(cè)量和機(jī)器視覺(jué)位姿測(cè)量?jī)煞N。其中，使用全站儀、激光跟蹤儀等大型測(cè)量設(shè)備進(jìn)行測(cè)量的目標(biāo)位姿測(cè)量方法，測(cè)量范圍大，測(cè)量精度高，但均為接觸式測(cè)量方法，需要為此設(shè)計(jì)工裝以固定靶球，并在待測(cè)部件上安置工裝[2-3]，方法較為繁雜，且會(huì)對(duì)裝配過(guò)程造成一定的干擾，同時(shí)測(cè)量過(guò)程操作復(fù)雜，難以實(shí)現(xiàn)實(shí)時(shí)測(cè)量。而屬于非接觸測(cè)量的機(jī)器視覺(jué)位姿測(cè)量方法，以其系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，測(cè)量過(guò)程操作方便，實(shí)時(shí)性強(qiáng)的特點(diǎn)，被廣泛應(yīng)用于各種工業(yè)裝配過(guò)程的實(shí)時(shí)裝配測(cè)量中[4]。

根據(jù)位姿測(cè)量過(guò)程中是否使用人工靶標(biāo)進(jìn)行劃分，機(jī)器視覺(jué)位姿測(cè)量可以分為合作目標(biāo)位姿檢測(cè)[5]和非合作目標(biāo)位姿檢測(cè)[6]。合作目標(biāo)檢測(cè)通過(guò)視覺(jué)測(cè)量單元識(shí)別人工設(shè)計(jì)靶標(biāo)解算相對(duì)位姿，而非合作目標(biāo)位姿檢測(cè)，通過(guò)解析物體的自然特征，給出相對(duì)位姿估計(jì)結(jié)果。合作目標(biāo)位姿測(cè)量的精度一般較高，需要的圖像處理算法也較為簡(jiǎn)單，但在機(jī)器人自動(dòng)化裝配等復(fù)雜裝配場(chǎng)景下，由于場(chǎng)景復(fù)雜，裝配空間有限，并不一定具備安裝人工靶標(biāo)的條件。在這種情況下，非合作目標(biāo)位姿測(cè)量成為機(jī)器視覺(jué)位姿測(cè)量的最佳選擇。

傳統(tǒng)的非合作目標(biāo)位姿視覺(jué)檢測(cè)方法大多依賴于圖像處理算法對(duì)物體自身低層次特征的提取效果，一般首先需要提取圖像中的低層次特征，如圖像邊緣點(diǎn)、角點(diǎn)、直線等顯著特征，再根據(jù)特征點(diǎn)自身的性質(zhì)構(gòu)造不同的特征描述子，對(duì)特征描述子進(jìn)行匹配，在根據(jù)計(jì)算機(jī)視覺(jué)多視圖幾何的原理，解算目標(biāo)的相對(duì)位姿。如P，David等人[7]將直線匹配問(wèn)題和位姿問(wèn)題有機(jī)結(jié)合，建立一個(gè)全局目標(biāo)函數(shù)來(lái)解決位姿估計(jì)問(wèn)題；張政等人[8]參照點(diǎn)特征的正交迭代方法，提出直線特征的位姿估計(jì)正交迭代方法求解目標(biāo)位姿；Markus Ulrich[9]等通過(guò)獲取目標(biāo)物體 CAD不同姿態(tài)下的成像以建立模板庫(kù)，然后將待測(cè)圖像與模板進(jìn)行相似性匹配獲取目標(biāo)位姿；桂陽(yáng)[10]將目標(biāo)的三維模型投影生成不同姿態(tài)下的二維圖像，計(jì)算圖像中目標(biāo)輪廓的 MSA 矩，利用距離圖迭代最小二乘法得到最終的位姿參數(shù)。但是，依賴于圖像處理算法非合作目標(biāo)位姿視覺(jué)檢測(cè)方法往往魯棒性不足，其具體算法實(shí)現(xiàn)與物體結(jié)構(gòu)、顏色等相關(guān)，因此在實(shí)現(xiàn)上需對(duì)某種或某類物體定制算法，方法的普適性、泛化能力相對(duì)較低。當(dāng)待檢測(cè)目標(biāo)處于復(fù)雜背景或光照情況多變時(shí)，難以實(shí)現(xiàn)對(duì)特征的準(zhǔn)確提取[11]。如何在復(fù)雜裝配場(chǎng)景下，實(shí)現(xiàn)對(duì)非合作目標(biāo)特征的精確提取，成為相關(guān)研究人員研究的重點(diǎn)。

近年來(lái)，深度學(xué)習(xí)技術(shù)以其數(shù)據(jù)驅(qū)動(dòng)、魯棒性較強(qiáng)、擬合能力強(qiáng)大、適用場(chǎng)景多樣的特點(diǎn)在機(jī)器視覺(jué)領(lǐng)域的應(yīng)用愈加廣泛，并在圖像分類、目標(biāo)檢測(cè)、目標(biāo)跟蹤等領(lǐng)域取得了良好的效果。相比于傳統(tǒng)圖像處理算法，基于深度學(xué)習(xí)的視覺(jué)算法模型能夠提取圖像中高層次的語(yǔ)義特征，受背景條件或光照情況的影響較小，更適用于復(fù)雜裝配場(chǎng)景中待裝配目標(biāo)的特征提取。為探究深度學(xué)習(xí)技術(shù)在視覺(jué)位姿檢測(cè)中的應(yīng)用，本文提出了一種基于深度學(xué)習(xí)的裝配位姿非合作目標(biāo)視覺(jué)檢測(cè)方法。利用SingleshotPose深度學(xué)習(xí)模型對(duì)待裝配目標(biāo)的軸對(duì)齊包圍盒特征點(diǎn)的像素坐標(biāo)進(jìn)行估計(jì)，再結(jié)合Opencascade軟件對(duì)目標(biāo)數(shù)字模型的軸對(duì)齊包圍盒特征點(diǎn)在目標(biāo)坐標(biāo)系下三維坐標(biāo)的求解結(jié)果，進(jìn)行PnP求解，得到裝配目標(biāo)坐標(biāo)系相對(duì)于相機(jī)坐標(biāo)系的位姿關(guān)系，進(jìn)而實(shí)現(xiàn)在裝配坐標(biāo)系下對(duì)目標(biāo)位姿的實(shí)時(shí)檢測(cè)。

1 基于深度學(xué)習(xí)的位姿檢測(cè)原理

1.1 裝配過(guò)程位姿視覺(jué)檢測(cè)原理

裝配過(guò)程中目標(biāo)位姿檢測(cè)的目的是得到待裝配目標(biāo)上裝配關(guān)鍵點(diǎn)在指定的裝配過(guò)程基坐標(biāo)系下的坐標(biāo)后執(zhí)行后續(xù)裝配操作，也即求得位姿轉(zhuǎn)換矩陣，使得下式成立：

式中Xtarget為裝配關(guān)鍵點(diǎn)在目標(biāo)坐標(biāo)系下的坐標(biāo)Xbase為裝配關(guān)鍵點(diǎn)在基坐標(biāo)系下的坐標(biāo)。

根據(jù)相機(jī)成像過(guò)程，有：

式中，K為相機(jī)內(nèi)參矩陣，Q為三維坐標(biāo)的齊次化表示形式，r為尺度常量因子，q為二維像素坐標(biāo)的齊次化形式，將上式寫(xiě)為矩陣形式，即有：

內(nèi)參矩陣K可由內(nèi)參標(biāo)定獲得，則由上式可知，中的12個(gè)未知參數(shù)，通過(guò)構(gòu)建包含n≥6的3D-2D點(diǎn)對(duì)的PnP問(wèn)題即可解出，進(jìn)而結(jié)合標(biāo)定得到的，求得，完成對(duì)目標(biāo)位姿的檢測(cè)。

因此，解決目標(biāo)位姿視覺(jué)檢測(cè)問(wèn)題，關(guān)鍵在于找到n≥6的3D-2D點(diǎn)對(duì)。本方法是通過(guò)深度學(xué)習(xí)和數(shù)字模型結(jié)合的手段，找到9對(duì)3D-2D點(diǎn)對(duì)，構(gòu)建PnP問(wèn)題求出，實(shí)現(xiàn)目標(biāo)位姿檢測(cè)。

1.2 非合作目標(biāo)位姿視覺(jué)檢測(cè)方法

在非合作目標(biāo)位姿的估算中，選擇目標(biāo)的特征點(diǎn)構(gòu)建PnP問(wèn)題，決定了后續(xù)特征提取算法和位姿計(jì)算方法。一般可選擇的特征包括點(diǎn)特征、直線特征、邊緣特征等。由于實(shí)際生產(chǎn)過(guò)程中，不同待檢測(cè)目標(biāo)的形狀尺寸各不相同，需要使用一種對(duì)不同形狀目標(biāo)都適用的特征，作為進(jìn)行非合作目標(biāo)位姿估算的依據(jù)。為此，本文選擇目標(biāo)物體的軸對(duì)齊包圍盒的8個(gè)角點(diǎn)和1個(gè)中心點(diǎn)，作為非合作目標(biāo)特征。

軸對(duì)齊包圍盒采用一個(gè)長(zhǎng)方體將物體包圍，長(zhǎng)方體的各條棱均與坐標(biāo)系的某個(gè)軸平行，因此稱其為軸對(duì)齊包圍盒。因此，在目標(biāo)坐標(biāo)系下，軸對(duì)齊包圍盒8個(gè)角點(diǎn)的三維坐標(biāo)為：{xmin，ymin，zmin}，{xmin，ymin，zmax}，{xmin，ymax，zmin}，{xmin，ymax，zmax}，{xmax，ymin，zmin}，{xmax，ymin，zmax}，{xmax，ymax，zmin}，{xmax，ymax，zmax}:中 心點(diǎn)三維坐標(biāo)為：。

在工業(yè)生產(chǎn)過(guò)程中，待檢測(cè)目標(biāo)的三維數(shù)字模型一般是可以得到的。通過(guò)Opencascade對(duì)目標(biāo)的三維模型進(jìn)行離散網(wǎng)格化，再調(diào)用軸對(duì)齊包圍盒計(jì)算相關(guān)的功能函數(shù)，就可精確獲得目標(biāo)坐標(biāo)系下9個(gè)特征點(diǎn)的三維坐標(biāo)。Opencascade獲取軸對(duì)齊包圍盒的算法流程及效果圖像如圖 1所示。

圖1 Opencascade生成軸對(duì)齊包圍盒流程及效果

設(shè)目標(biāo)的軸對(duì)齊包圍盒8個(gè)角點(diǎn)及1個(gè)中心點(diǎn)在像素坐標(biāo)系下的坐標(biāo)為{ui，vi}，i=1，2，…，9。本文通過(guò)SingleShot關(guān)鍵點(diǎn)回歸模型[12]獲取9個(gè)三維特征點(diǎn)在圖像上的對(duì)應(yīng)的二維點(diǎn)坐標(biāo)，方法流程如圖 2所示。

圖2 相對(duì)位姿關(guān)系矩陣求取流程

SingleShot關(guān)鍵點(diǎn)回歸模型是在目標(biāo)檢測(cè)模型YOLO的基礎(chǔ)上發(fā)展而來(lái)的，模型的輸入為RGB圖像，輸出為圖像中物體的類別編碼，以及該物體的軸對(duì)齊包圍盒8個(gè)角點(diǎn)和1個(gè)中心點(diǎn)的二維像素坐標(biāo)。

在YOLO網(wǎng)絡(luò)中，由于預(yù)測(cè)量為2D包圍盒，因此，采用預(yù)測(cè)包圍盒和真實(shí)包圍盒的重疊區(qū)域分?jǐn)?shù)（IoU Score）作為評(píng)判置信概率的標(biāo)準(zhǔn)。由于研究在三維的3D包圍盒的重疊區(qū)域分?jǐn)?shù)難以計(jì)算，極大地影響了訓(xùn)練速度。因此，本文采用如下置信函數(shù)：

式中，DT（x）表示預(yù)測(cè)的2D點(diǎn)x到其真實(shí)值的歐式距離值，a表示指數(shù)函數(shù)的陡峭程度，dth為閾值。預(yù)測(cè)點(diǎn)距離真實(shí)點(diǎn)越近，DT（x）越小，函數(shù)c（x）的值越大，預(yù)測(cè)的置信度越高；反之，DT（x）越大，函數(shù)c（x）的值越小。對(duì)所有預(yù)測(cè)的2D點(diǎn)都進(jìn)行如上的計(jì)算，取其均值作為該次訓(xùn)練的置信值。當(dāng)DT（x）大于閾值時(shí)，令其置信度為0。

在通過(guò)SingleShot關(guān)鍵點(diǎn)回歸模型得到物體的3D包圍盒8個(gè)角點(diǎn)和1個(gè)中心點(diǎn)的二維像素坐標(biāo)后，構(gòu)建9對(duì)3D-2D點(diǎn)對(duì)進(jìn)行 PnP求解，即可解得相機(jī)與目標(biāo)之間的相對(duì)位姿關(guān)系矩陣，結(jié)合相機(jī)標(biāo)定的結(jié)果，即可得到代表目標(biāo)位姿的矩陣。

2 非合作目標(biāo)位姿視覺(jué)檢測(cè)試驗(yàn)

2.1 深度學(xué)習(xí)數(shù)據(jù)集制作

作為數(shù)據(jù)驅(qū)動(dòng)的算法，深度學(xué)習(xí)算法模型需要規(guī)模較大的數(shù)據(jù)集才能達(dá)到理想的算法效果?？紤]到人工制作標(biāo)注SingleShot關(guān)鍵點(diǎn)回歸模型數(shù)據(jù)集不僅費(fèi)時(shí)費(fèi)力，而且難以保證特征點(diǎn)標(biāo)注的準(zhǔn)確性，本文設(shè)計(jì)了一種自動(dòng)化的標(biāo)注方法，以RGBD相機(jī)采集數(shù)據(jù)，通過(guò)場(chǎng)景標(biāo)志符的輔助，結(jié)合圖像信息與深度信息，通過(guò)算法自動(dòng)標(biāo)注各幀圖像中目標(biāo)物體的軸對(duì)齊包圍盒。本文試驗(yàn)的數(shù)據(jù)集制作實(shí)驗(yàn)場(chǎng)景如圖 3所示。

圖3 SingleShot關(guān)鍵點(diǎn)回歸模型數(shù)據(jù)集采集場(chǎng)景

進(jìn)行數(shù)據(jù)集采集時(shí)，首先要在轉(zhuǎn)臺(tái)平板上粘貼場(chǎng)景標(biāo)志（共計(jì)13個(gè)），并將目標(biāo)物體放置中央；將RGBD相機(jī)固定在平板上方，轉(zhuǎn)動(dòng)轉(zhuǎn)臺(tái)，采集物體在不同角度的RGB圖像和點(diǎn)云數(shù)據(jù)；完成環(huán)繞物體360°的圖像采集之后，改變相機(jī)的俯仰角，重復(fù)以上操作，由此得到目標(biāo)物體在不同視點(diǎn)下的RGBD數(shù)據(jù)。本文試驗(yàn)共計(jì)采集了626組數(shù)據(jù)。

進(jìn)行數(shù)據(jù)集自動(dòng)標(biāo)注時(shí)，通過(guò)識(shí)別每張圖片中的場(chǎng)景標(biāo)志符，即可解算出各幀圖像相對(duì)于第一幀圖像的位姿變換矩陣。再通過(guò)拼接各幀圖像點(diǎn)云，得到第一幀圖像的場(chǎng)景點(diǎn)云，剔除場(chǎng)景點(diǎn)云中多余的點(diǎn)，即可得到較為完整的目標(biāo)物體3D點(diǎn)云，如圖 4所示。

圖4 目標(biāo)物體3D點(diǎn)云

根據(jù)目標(biāo)物體目標(biāo)點(diǎn)云，轉(zhuǎn)化為step格式文件，并使用Opencascade求取物體軸對(duì)齊包圍盒角點(diǎn)的三維坐標(biāo)。根據(jù)第一幀圖像中的場(chǎng)景標(biāo)志符，解算出RGBD相機(jī)的內(nèi)參矩陣和在第一幀圖像下的外參矩陣；根據(jù)內(nèi)參矩陣、外參矩陣，將包圍盒角點(diǎn)的三維坐標(biāo)投影為第一幀圖像中的二維像素坐標(biāo)；再根據(jù)已知的各幀圖像的位姿變換矩陣，可將軸對(duì)齊包圍盒角點(diǎn)投影至各幀圖像上，得到各幀圖像的標(biāo)注結(jié)果，如圖 5所示。

圖5 軸對(duì)齊包圍盒標(biāo)注效果圖

2.2 深度學(xué)習(xí)模型訓(xùn)練

為了對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練和測(cè)試，試驗(yàn)將采集到的數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集，其中訓(xùn)練集包含500組數(shù)據(jù)，測(cè)試集包含126組數(shù)據(jù)。試驗(yàn)設(shè)置了500個(gè)訓(xùn)練周期，在每個(gè)周期只向SingleShot關(guān)鍵點(diǎn)回歸模型輸入訓(xùn)練集中的樣本進(jìn)行訓(xùn)練，并保存該周期時(shí)SingleShot關(guān)鍵點(diǎn)回歸模型的權(quán)重文件。從第20個(gè)周期開(kāi)始，每訓(xùn)練10個(gè)周期，在測(cè)試集上對(duì)模型效果進(jìn)行測(cè)試，通過(guò)計(jì)算軸對(duì)齊包圍盒9個(gè)特征點(diǎn)像素坐標(biāo)預(yù)測(cè)值與真值的平均像素誤差來(lái)對(duì)模型效果進(jìn)行評(píng)估。測(cè)試像素誤差曲線如圖 6所示。

圖6 軸對(duì)齊包圍盒特征點(diǎn)坐標(biāo)測(cè)試像素誤差

由圖 6可知，自第100個(gè)訓(xùn)練周期后，模型的特征點(diǎn)坐標(biāo)平均像素誤差開(kāi)始收斂，并在第220個(gè)訓(xùn)練周期時(shí)達(dá)到了最小值，故選擇第220個(gè)訓(xùn)練周期下模型的權(quán)重文件作為時(shí)SingleShot關(guān)鍵點(diǎn)回歸模型最佳權(quán)重，進(jìn)行目標(biāo)位姿檢測(cè)試驗(yàn)。

2.3 目標(biāo)位姿檢測(cè)試驗(yàn)

利用訓(xùn)練得到的SingleShot關(guān)鍵點(diǎn)回歸模型最佳權(quán)重，結(jié)合前文所述方法，進(jìn)行目標(biāo)位姿檢測(cè)試驗(yàn)。SingleShot關(guān)鍵點(diǎn)回歸模型對(duì)軸對(duì)齊包圍盒特征點(diǎn)的輸出可視化如圖 7所示。其中，綠色框?yàn)檩S對(duì)齊包圍盒8個(gè)角點(diǎn)連接得到的對(duì)軸對(duì)齊包圍盒在像素坐標(biāo)系下的投影。

圖7 SingleShot模型輸出可視化結(jié)果

考慮到目標(biāo)裝配位姿視覺(jué)檢測(cè)過(guò)程中，誤差主要來(lái)自相機(jī)與目標(biāo)實(shí)時(shí)位姿解算的過(guò)程，即對(duì)的估計(jì)過(guò)程，而由標(biāo)定得到，誤差一般較小。因此，可從相機(jī)與目標(biāo)相對(duì)位姿估計(jì)誤差和相對(duì)位姿預(yù)測(cè)準(zhǔn)確率兩方面評(píng)估的估計(jì)精度，進(jìn)而評(píng)估目標(biāo)位姿檢測(cè)的精度。對(duì)測(cè)試集數(shù)據(jù)進(jìn)行分析和統(tǒng)計(jì)后，相機(jī)與目標(biāo)相對(duì)位姿平均誤差結(jié)果見(jiàn)表 1，位姿估計(jì)準(zhǔn)確率結(jié)果見(jiàn)表 2。

表 1 測(cè)試集相對(duì)位姿估計(jì)平均誤差統(tǒng)計(jì)表

表2 測(cè)試集相對(duì)位姿估計(jì)準(zhǔn)確率統(tǒng)計(jì)表

由表 1和表 2可知，在測(cè)試集上，本方法的距離準(zhǔn)確率達(dá)到了95.24%?？梢哉J(rèn)為，本方法能夠?qū)δ繕?biāo)與相機(jī)間相對(duì)位姿進(jìn)行較精確的檢測(cè)，即保證的精度；進(jìn)而可以認(rèn)為，在標(biāo)定精度得到保證的情況下，本文方法能夠?qū)δ繕?biāo)裝配位姿進(jìn)行較精確的檢測(cè)。

3 總結(jié)

本文以非合作目標(biāo)的位姿估計(jì)問(wèn)題為研究對(duì)象，提出一種基于深度學(xué)習(xí)方法的非合作目標(biāo)相對(duì)位姿估計(jì)方法。本文的主要工作包括：

（1）提出了基于SingleShot關(guān)鍵點(diǎn)估計(jì)模型的非合作目標(biāo)位姿估計(jì)方法，通過(guò)SingleShot模型輸出待裝配目標(biāo)軸對(duì)齊包圍盒9個(gè)特征點(diǎn)的二維像素坐標(biāo)，再利用Opencascade獲取目標(biāo)軸對(duì)齊包圍盒特征點(diǎn)在目標(biāo)坐標(biāo)系下的三維坐標(biāo)，求解PnP問(wèn)題，得到目標(biāo)和相機(jī)之間的相對(duì)位姿，進(jìn)而完成目標(biāo)在基坐標(biāo)系下的位姿檢測(cè)。

（2）設(shè)計(jì)了一種基于RGBD相機(jī)的自動(dòng)化標(biāo)注算法，通過(guò)目標(biāo)點(diǎn)云數(shù)據(jù)與三維模型的匹配和坐標(biāo)系轉(zhuǎn)換，實(shí)現(xiàn)對(duì)SingleShot關(guān)鍵點(diǎn)估計(jì)模型所需數(shù)據(jù)集的自動(dòng)標(biāo)注。利用實(shí)驗(yàn)室條件下采集和標(biāo)注的數(shù)據(jù)集，對(duì)本文提出方法進(jìn)行了試驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，本文方法能夠在一定精度范圍內(nèi)基本滿足位姿估計(jì)需求。

本研究目前仍存在一定不足，深度學(xué)習(xí)模型數(shù)據(jù)需求量較大，且位姿估計(jì)的精度仍有提升空間。未來(lái)的研究中，需要對(duì)本方法進(jìn)行優(yōu)化，以盡量小的深度學(xué)習(xí)數(shù)據(jù)集，實(shí)現(xiàn)精度更高的目標(biāo)位姿檢測(cè)。