Аннотация. Представлен алгоритм оценивания положения и ориентации объекта на сцене при помощи системы стереозрения, что крайне актуально в современном робототехническом производстве при построении систем управления с элементами искусственного интеллекта. Особенностью предложенного решения является анализ трехмерной геометрии объектов по информации, полученной из двумерных изображений. Разработанный алгоритм может быть применен в задачах неразрушающего контроля трубопроводов с помощью роботизированных дефектоскопов, оснащенных видеокамерами. Подобные роботизированные дефектоскопы используют различные методы диагностирования: Использование разработанного алгоритма стереозрения может обеспечивать сплошной контроль поверхности трубопровода (покрытие 100 %), а также автономное маневрирование и прохождение элементов трубопроводной обвязки.

Ключевые слова: стереозрение, стереоскопия, облако точек, компьютерное зрение, оценка положения

Список литературы:

1. Wang C. et al. Densefusion: 6d object pose estimation by iterative dense fusion // Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition. 2019. Р. 3343—3352.
2. Michel F. et al. Global hypothesis generation for 6D object pose estimation // Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition. 2017. Р. 462—471.
3. Tekin B., Sinha S. N., Fua P. Real-time seamless single shot 6d object pose prediction // Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition. 2018. Р. 292—301.
4. Hu Y. et al. Segmentation-driven 6d object pose estimation // Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition. 2019. Р. 3385—3394.
5. Hu Y. et al. Single-Stage 6D Object Pose Estimation // Proc. of the IEEE/CVF Conf. on Computer Vision and Pattern Recognition. 2020. Р. 2930—2939.
6. Oberweger M., Rad M., Lepetit V. Making deep heatmaps robust to partial occlusions for 3d object pose estimation // Proc. of the Europ. Conf. on Computer Vision (ECCV). 2018. Р. 119—134.
7. Kundu J. N., Rahul M. V., Ganeshan A., Babu R. V. Object Pose Estimation from Monocular Image Using Multi-view Keypoint Correspondence // Computer Vision — ECCV 2018 Workshops. ECCV 2018. Lecture Notes in Computer Science. Springer, Cham. 2019. Vol. 11131. https://doi.org/10.1007/978-3-030-11015-4_23.
8. Kehl W. et al. Ssd-6d: Making RGB-based 3d detection and 6d pose estimation great again // Proc. of the IEEE Intern. Conf. on Computer Vision. 2017. Р. 1521—1529.
9. Базылев Д. Н., Романович В. А., Ведяков А. А. Автоматизированный метод внутритрубного ультразвукового контроля с использованием фазированной антенной решетки // Изв. вузов. Приборостроение. 2019. Т. 62, № 9. С. 167—172.
10. Сомов С. Н., Баранов Г. В., Поляшов М. А., Пыркин А. А. Роботизированный дефектоскоп для диагностики состояния трубопроводов // Изв. вузов. Приборостроение. 2019. Т. 62, № 9. С. 157—166.