TWI879635B - 六維物件姿態追蹤方法及裝置、電腦可讀取的記錄媒體 - Google Patents

Abstract

一種六維物件姿態追蹤方法，由六維物件姿態追蹤裝置其中的二維物件追蹤模組對輸入的一RGB影像進行物件偵測、追蹤及分類，並產生與該RGB影像中的各該物件對應一二維物件追蹤結果，接著六維物件姿態追蹤裝置其中的六維物件姿態估測模組判斷該等二維物件追蹤結果其中之一包含的識別碼未出現在一物件清單中時，六維物件姿態估測模組根據未出現在該物件清單中的識別碼所屬的二維物件追蹤結果對RGB影像中與未出現在該物件清單中的識別碼對應的物件進行六維姿態估測，並將對應產生的六維姿態估測結果記錄在該物件清單中；然後六維物件姿態追蹤裝置其中的六維物件姿態追蹤模組根據該物件清單包含的所有六維姿態估測結果，對該RGB影像中的物件進行六維物件姿態追蹤。

Description

六維物件姿態追蹤方法及裝置、電腦可讀取的記錄媒體

本發明是有關於一種追蹤影像中的物件方法，特別是指一種追蹤影像中的物件之六維姿態的六維物件姿態追蹤方法。

現有的六維物件姿態追蹤技術能追蹤影像中的物件的六維姿態(包括三個平移自由度（x、y、z軸方向的位移）和三個旋轉自由度（繞x、y、z軸的旋轉角度）)。六維物件姿態追蹤技術主要包含物件姿態估測和物件姿態追蹤兩個部分，其中物件姿態估測相對較為耗時，因此，當影像中的物件數量較多時，在物件姿態估測階段將耗費更多時間。

此外，現有的六維物件姿態追蹤技術會對輸入的每一張影像中的所有物件皆進行六維姿態估測及追蹤，因此，即使輸入的一張影像與前一張影像中的物件完全不變或只有新增一個物件，六維物件姿態追蹤技術仍會對輸入的該張影像中的所有物件再次進行姿態估測及追蹤，導致現有的六維物件姿態追蹤技術的效能無法有效提升。

因此，本發明之目的，即在提供一種六維物件姿態追蹤方法及實現該方法的一種六維物件姿態追蹤裝置和一種電腦可讀取的記錄媒體，其能縮短六維物件姿態追蹤技術其中估測六維物件姿態的時間以提升其追蹤效能。

於是，本發明一種六維物件姿態追蹤方法，應用於一六維物件姿態追蹤裝置；該方法包括下列步驟。

該六維物件姿態追蹤裝置的一二維物件追蹤模組對輸入的一RGB影像進行物件偵測、追蹤及分類，並產生與該RGB影像中的各該物件對應一二維物件追蹤結果，各該二維物件追蹤結果包含相對應的該物件的識別碼及邊界框。

該六維物件姿態追蹤裝置的一六維物件姿態估測模組比對該等二維物件追蹤結果與一物件清單，並於判斷該等二維物件追蹤結果其中之一包含的該識別碼未出現在該物件清單中時，該六維物件姿態估測模組根據未出現在該物件清單中的該識別碼所屬的該二維物件追蹤結果及該RGB影像對應的一深度圖，對該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件進行六維姿態估測，並將對應產生的一六維姿態估測結果記錄在該物件清單中。

該六維物件姿態追蹤裝置的一六維物件姿態追蹤模組根據該物件清單包含的所有六維姿態估測結果及該RGB影像對應的該深度圖，對該RGB影像中的物件進行六維物件姿態追蹤。

再者，本發明實現上述方法的一種六維物件姿態追蹤裝置，包括一儲存單元及一處理單元；該儲存單元中儲存一物件清單；該處理單元包含一二維物件追蹤模組、一六維物件姿態估測模組及一六維物件姿態追蹤模組。

該處理單元執行該二維物件追蹤模組以對輸入的一RGB影像進行物件偵測、追蹤及分類，並產生與該RGB影像中的各該物件對應一二維物件追蹤結果，各該二維物件追蹤結果包含相對應的該物件的識別碼及邊界框。

該處理單元執行該六維物件姿態估測模組，使其比對該等二維物件追蹤結果與該儲存單元儲存的該物件清單，並於判斷該等二維物件追蹤結果其中之一包含的該識別碼未出現在該物件清單中時，該六維物件姿態估測模組根據未出現在該物件清單中的該識別碼所屬的該二維物件追蹤結果及該RGB影像對應的一深度圖，對該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件進行六維姿態估測，並將對應產生的一六維姿態估測結果記錄在該物件清單中。

該處理單元執行該六維物件姿態追蹤模組，使其根據該物件清單包含的所有六維姿態估測結果及該RGB影像對應的該深度圖，對該RGB影像中的物件進行六維物件姿態追蹤。

在本發明的一些實施態樣中，該六維物件姿態估測模組判斷該物件清單中的六維姿態估測結果其中之一包含的該識別碼未出現在該等二維物件追蹤結果其中之一時，該六維物件姿態估測模組將未出現在該等二維物件追蹤結果其中之一的該識別碼所屬的該六維姿態估測結果從該物件清單中移除。

在本發明的一些實施態樣中，該二維物件追蹤模組和該六維物件姿態估測模組是透過多執行緒機制進行非同步運算。

在本發明的一些實施態樣中，該六維物件姿態估測模組是根據該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件對應的一CAD模型，對該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件進行六維姿態估測。

在本發明的一些實施態樣中，該六維物件姿態追蹤模組透過動態批量推論機制同時追蹤該RGB影像中的多個物件。

在本發明的一些實施態樣中，各該二維物件追蹤結果還包括相對應的各該物件的類別名稱及遮罩，且各該六維姿態估測結果包含相對應的該物件的該識別碼、類別名稱、二維姿勢資訊、六維姿態資訊、網格、網格張量、網格直徑和模型中心。

此外，本發明實現上述方法的一種電腦可讀取的記錄媒體，其中儲存一包含一二維物件追蹤模組、一六維物件姿態估測模組及一六維物件姿態追蹤模組的軟體程式，該軟體程式被一電腦裝置載入並執行時，該電腦裝置能完成如上所述的六維物件姿態追蹤方法。

本發明之功效在於：藉由該二維物件追蹤模組先對輸入的RGB影像進行物件偵測、追蹤及分類，產生與RGB影像中的各該物件對應的二維物件追蹤結果，並由該六維物件姿態估測模組比對該等二維物件追蹤結果與該物件清單，以找出存在該等二維物件追蹤結果中但不存在該物件清單中之與RGB影像中的物件對應的識別碼，且只對該RGB影像中與未出現在該物件清單中的識別碼對應的物件進行六維姿態估測，藉此，節省軟硬體運算資源、縮短六維姿態估測的運算時間並加快六維物件姿態追蹤的速度及效能。

在本發明被詳細描述之前，應當注意在以下的說明內容中，類似的元件是以相同的編號來表示。

參閱圖1所示，是本發明六維物件姿態追蹤方法的一實施例的流程步驟，該方法是由圖2所示的一六維物件姿態追蹤裝置100實現，該六維物件姿態追蹤裝置100是一電腦裝置，其主要包括一儲存單元1及一處理單元2。該儲存單元1(例如記憶體模組)儲存一物件清單11。

該處理單元2例如但不限於中央處理器(CPU)、微處理器(MPU)、圖形處理器(GPU) 、張量處理單元（Tensor Processing Unit，TPU）等其中之一或其任意組合，且該處理單元2載入並執行儲存於一電腦可讀取的記錄媒體(例如但不限於該儲存單元1)的一軟體程式，該軟體程式包含二維物件追蹤模組21、六維物件姿態估測模組22及六維物件姿態追蹤模組23。

其中，該二維物件追蹤模組21包含執行物件偵測的物件偵測模型，例如但不限於YoloV8、執行物件追蹤的物件追蹤模組，例如但不限於BoT-SORT，以及執行物件分類的物件分類模型，例如但不限於DINO-V2。其中YOLOv8與BoT-SORT的結合實現多目標追蹤（Multi-Object Tracking, MOT），在多變的環境條件下，如光線變化、遮擋等情況，YOLOv8能夠準確地檢測出影像中的目標物件，而BoT-SORT則能夠有效地跟蹤這些物件。此外，該二維物件追蹤模組21還包含一過濾模型，用以過濾影像中微小的目標物件。且在本實施例中，該二維物件追蹤模組21是一已預先藉由樣本數據訓練完成的模型。

該六維物件姿態估測模組22可以是但不限於包含(採用)SAM-6D演算法，SAM-6D是一個無需預先藉由樣本數據訓練的零樣本六維(6D)姿態估計框架，藉由給定任意目標物件的CAD 模型，SAM-6D能從RGB影像及其對應的深度圖中對目標物件進行實例分割和姿態估計。因此，在本實施例中，該六維物件姿態估測模組22會預先取得要進行六維物件姿態估測的RGB影像中的各該物件對應的CAD模型。此外，本實施例的該處理單元2能夠讓該二維物件追蹤模組21和該六維物件姿態估測模組22透過多執行緒(multithreading)機制進行非同步運算，以提升整體處理效能。

該六維物件姿態追蹤模組23在本實施例中可以是但不限於包含(採用)NVIDIA發表的Foundation Pose演算法其中關於物件追蹤的技術。且該六維物件姿態追蹤模組23應用動態批量推論機制(dynamic batch inference)同時追蹤影像中的多個物件。動態批量推論是在深度學習模型上線推論階段的一種技巧，主要目的是提升效能，讓該處理單元2其中的例如GPU、TPU這類硬體資源充分發揮硬體平行運算能力，以在吞吐量和延遲之間取得較好的平衡，使該處理單元2運用得更有效率。

此外，為了說明本實施例的功效，在進行圖1的流程之前，假設該物件清單11一開始是空的，且此時該處理單元2收到輸入的第一張RGB影像P1及其對應的一深度圖D1，例如圖3所示。如圖4舉例，該第一張RGB影像P1中具有三種物件，包括兩個長方體物件41、42、一個正方體物件43及兩個圓柱體物件44、45；接著，如圖1的步驟S1，該處理單元2執行該二維物件追蹤模組21，以對該第一張RGB影像P1進行物件偵測、追蹤及分類，而產生如圖3所示一第一張追蹤結果影像T1(可暫存於該儲存單元1)以及與該第一張RGB影像P1中的各該物件41~45對應一二維物件追蹤結果T11(可暫存於該儲存單元1)。

如圖4所示，該第一張追蹤結果影像T1中標示出該第一張RGB影像P1中被偵測到的各該物件41~45的一識別碼(例如ID1、ID2、ID3、ID4、ID5)、一分類名稱(例如長方體物件41、42的分類名稱為a、正方體物件43的分類名稱為b、圓柱體物件44、45的分類名稱為c)、一邊界框(如圖4所示界定物件邊界的虛線方框)及一遮罩(界定物件表面範圍的半透明層，圖未示)，且各該二維物件追蹤結果T11包含相對應的該物件的該識別碼、該類別名稱、該邊界框及該遮罩。

接著，如圖1的步驟S2，該處理單元2執行該六維物件姿態估測模組22，比對從該儲存單元1讀取的該物件清單11及該等二維物件追蹤結果T11，並判斷是否該等二維物件追蹤結果T11其中之一(例如至少其中一個或多個)包含的該識別碼未出現在該物件清單11中，若否，表示該等二維物件追蹤結果T11包含的該識別碼皆已出現在該物件清單11中，則直接進入步驟S4；若是，表示該等二維物件追蹤結果T11至少其中之一包含的該識別碼未出現在該物件清單11中，則如圖1的步驟S3，該六維物件姿態估測模組22根據未出現在該物件清單11中的該識別碼所屬的該二維物件追蹤結果T11及該第一RGB影像P1對應的該第一張深度圖D1，對該第一張RGB影像P1中與未出現在該物件清單11中的該識別碼對應的該物件進行六維姿態估測，並將對應產生的一包含該識別碼的六維姿態估測結果記錄在該物件清單11中，再進入步驟S4。

此時，由於該物件清單11是空的，因此，在步驟S3中，該六維物件姿態估測模組22將對該第一張RGB影像P1中的全部物件41~45進行六維姿態估測，並將對應各該物件的各該六維姿態估測結果T12記錄在該物件清單11中；因此，在此步驟S3完成時，該物件清單11中記錄了該第一張RGB影像P1中的全部物件41~45的該等六維姿態估測結果T12，如圖5所示。其中，各該六維姿態估測結果T12包含相對應的該物件的識別碼(例如ID、ID2…)、類別名稱(例如a、b、c)、二維姿勢資訊、六維姿態資訊、網格、網格張量、網格直徑和模型中心。

接著，如步驟S4，該六維物件姿態估測模組22判斷是否該物件清單11包含的該等六維姿態估測結果T12其中之一(例如至少其中一個或多個)包含的該識別碼未對應出現在該等二維物件追蹤結果T11其中之一，若是，表示該物件清單11中存有不存在該第一張RGB影像P1中的物件的六維姿態估測結果，則如步驟S5，該六維物件姿態估測模組22將未出現在該等二維物件追蹤結果T11其中之一的該識別碼所屬的該六維姿態估測結果從該物件清單11中移除，再接著進行步驟S6；而在此階段，因為該物件清單11中記錄的該等六維姿態估測結果T12其中的識別碼皆對應於該等二維物件追蹤結果T11其中的識別碼，因此，步驟S4的判斷結果為否，而直接進入步驟S6。

在步驟S6中，該處理單元2執行該六維物件姿態追蹤模組23，使該六維物件姿態追蹤模組23根據該物件清單11包含的所有六維姿態估測結果T12及該第一張RGB影像P1對應的該第一張深度圖D1，對該第一張RGB影像P1中的物件進行六維姿態追蹤。

接著，如圖3所示，當第二張RGB影像P2及其對應的第二張深度圖D2輸入該處理單元2時，將重覆步驟S1，由該二維物件追蹤模組21對輸入的第二張RGB影像P2進行物件偵測、追蹤及分類，而對應產生一第二張追蹤結果影像T2以及與該第二張RGB影像P2中的各該物件對應一二維物件追蹤結果T21，如圖3和圖6所示。且如圖4和圖6所示，在本實施例中，該第二張RGB影像P2相較於第一張RGB影像P1新增了一個正方體物件46，因此該等二維物件追蹤結果T21中將包括新增的該正方體物件46的二維物件追蹤結果(其中包含識別碼ID6及分類名稱b)。

然後，進行步驟S2，由該六維物件姿態估測模組22比對該等二維物件追蹤結果T21與該物件清單11，此時，該六維物件姿態估測模組22判斷出該等二維物件追蹤結果T21其中之一(即新增的該正方體物件46的該二維物件追蹤結果)包含的該識別碼(ID6)未出現在該物件清單11中的該等六維姿態估測結果T12，因此，執行步驟S3，根據新增的該正方體物件46的該二維物件追蹤結果及該第二張RGB影像P2對應的該第二張深度圖D2，對該第二張RGB影像P2中新增的該正方體物件46進行六維姿態估測，而產生與新增的該正方體物件46對應的一包含該正方體物件46的該識別碼(ID6)的六維姿態估測結果T22，並將該六維姿態估測結果T22記錄(新增)在該物件清單11中，如圖7所示。

然後，該六維物件姿態估測模組22執行步驟S4，並判斷該物件清單11包含的該等六維姿態估測結果T12、T22包含的該識別碼皆出現在該等二維物件追蹤結果T21後，即進行步驟S6，由該六維物件姿態追蹤模組23根據該物件清單11包含的該等六維姿態估測結果T12、T22及該第二張RGB影像P2對應的該第二張深度圖D2，對該第二張RGB影像P2中的物件41~46進行六維姿態追蹤。

由此可知，本實施例會參考該RGB影像的該等二維物件追蹤結果，並且只對該RGB影像中包含在該等二維物件追蹤結果中但未出現在該物件清單11中的該或該等識別碼所對應的該或該等物件(即該RGB影像其中相較於前一張RGB影像新增的物件)進行六維姿態估測，而不會再次對同時包含在該等二維物件追蹤結果及在該物件清單11中的該或該等識別碼所對應的該或該等物件進行姿態估測，藉此，在對RGB影像進行六維物件姿態追蹤的過程中，能縮短估測六維物件姿態的時間、節省硬體運算資源而提升六維物件姿態追蹤的效能。

再者，如圖3所示，當第三張RGB影像P3及其對應的第三張深度圖D3輸入該處理單元2時，將再次重覆步驟S1，由該二維物件追蹤模組21對輸入的第三張RGB影像P3進行物件偵測、追蹤及分類，而對應產生一第三張追蹤結果影像T3以及與該第三張RGB影像P3中的各該物件對應一二維物件追蹤結果T31。且如圖8所示，在本實施例中，該第三張RGB影像P3相較於圖6所示的該第二張RGB影像P2少了一個該長方體物件42。因此，該等二維物件追蹤結果T31中將少了該長方體物件42的該二維物件追蹤結果。

然後，進行步驟S2，該六維物件姿態估測模組22比對該等二維物件追蹤結果T31與圖7所示的該物件清單11，並判斷該等二維物件追蹤結果T31包含的該等識別碼皆有出現在該物件清單11中的該等六維姿態估測結果T12、T22後，接著執行步驟S4，在步驟S4中，該六維物件姿態估測模組22判斷出圖7所示的該物件清單11包含的該等六維姿態估測結果T12、T22其中與該長方體物件42對應的六維姿態估測結果包含的該識別碼(ID2)並未出現在該等二維物件追蹤結果T31時，即進行步驟S5，將該長方體物件42對應的六維姿態估測結果從該物件清單11中移除，如圖9所示，然後，進行步驟S6，該六維物件姿態追蹤模組23根據圖9的該物件清單11包含的該等六維姿態估測結果T12、T22及該第三張RGB影像P3對應的該第三張深度圖D3，對該第三張RGB影像P3中的物件41、43~46進行六維姿態追蹤。

由此可知，每一張輸入該處理單元2的RGB影像皆需經過上述步驟S1，並經由步驟S2判斷後接著進行步驟S3、S4或者直接進行步驟S4，再經由步驟S4判斷後進行步驟S5、S6或直接進行步驟S6。此外，如圖10所示，步驟S4、S5也可以和步驟S2、S3對調，亦即步驟S1之後可先執行步驟S4、S5再執行步驟S2、S3。

此外，由於該六維物件姿態估測模組22是根據(參考)該二維物件追蹤模組21預先產生的該等二維物件追蹤結果T11、T21、T31產生該物件清單11中的該等六維姿態估測結果T12、T22，因此該六維物件姿態追蹤模組23根據該物件清單11中的該等六維姿態估測結果T12、T22對RGB影像進行物件姿態追蹤時會更準確。

綜上所述，上述實施例藉由該二維物件追蹤模組21對輸入的RGB影像進行物件偵測、追蹤及分類，產生與RGB影像中的各該物件對應的二維物件追蹤結果，並由該六維物件姿態估測模組22比對該等二維物件追蹤結果與該物件清單，以找出存在該等二維物件追蹤結果中但不存在該物件清單中之與RGB影像中的物件對應的識別碼，且只對該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件進行六維姿態估測，藉此，相較於現有的六維物件姿態追蹤技術，除了節省軟硬體運算資源、縮短六維姿態估測的運算時間並加快六維物件姿態追蹤的速度及效能，確實達到本發明的功效與目的。

惟以上所述者，僅為本發明之實施例而已，當不能以此限定本發明實施之範圍，凡是依本發明申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。

S1~S6:步驟 100:六維物件姿態追蹤裝置 1:儲存單元 11:物件清單 2:處理單元 21:二維物件追蹤模組 22:六維物件姿態估測模組 23:六維物件姿態追蹤模組 P1:第一張RGB影像 D1:第一張深度圖 P2:第二張RGB影像 D2:第二張深度圖 P3:第三張RGB影像 D3:第三張深度圖 T1:第一張追蹤結果影像 T2:第二張追蹤結果影像 T3:第三張追蹤結果影像 T11、T21、T31:二維物件追蹤結果 T12、T22:六維姿態估測結果 41、42:(長方體)物件 43、46:(正方體)物件 44、45:(圓柱體)物件

本發明之其他的特徵及功效，將於參照圖式的實施方式中清楚地顯示，其中： 圖1是本發明六維物件姿態追蹤方法的一實施例的主要流程步驟； 圖2是本發明六維物件姿態追蹤裝置的一實施例包括的軟硬體方塊示意圖； 圖3說明本實施例的該二維物件追蹤模組追蹤RGB影像而產生的追蹤結果； 圖4說明本實施例的第一張RGB影像及其對應的第一張追蹤結果影像； 圖5說明本實施例根據第一張RGB影像的該等二維物件追蹤結果更新物件清單的示意圖； 圖6說明本實施例的第二張RGB影像及其對應的第二張追蹤結果影像； 圖7說明本實施例根據第二張RGB影像的該等二維物件追蹤結果更新物件清單的示意圖； 圖8說明本實施例的第三張RGB影像及其對應的第三張追蹤結果影像； 圖9說明本實施例根據第三張RGB影像的該等二維物件追蹤結果更新物件清單的示意圖；及 圖10是本實施例的另一種流程步驟。

S1~S6:步驟

Claims (13)

1. 一種六維物件姿態追蹤方法，應用於六維物件姿態追蹤裝置；該方法包括： 該六維物件姿態追蹤裝置的一二維物件追蹤模組對輸入的一RGB影像進行物件偵測、追蹤及分類，並產生與該RGB影像中的各該物件對應一二維物件追蹤結果，各該二維物件追蹤結果包含相對應的該物件的識別碼及邊界框； 該六維物件姿態追蹤裝置的一六維物件姿態估測模組比對該等二維物件追蹤結果與一物件清單，並於判斷該等二維物件追蹤結果其中之一包含的該識別碼未出現在該物件清單中時，該六維物件姿態估測模組根據未出現在該物件清單中的該識別碼所屬的該二維物件追蹤結果及該RGB影像對應的一深度圖，對該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件進行六維姿態估測，並將對應產生的一六維姿態估測結果記錄在該物件清單中； 該六維物件姿態追蹤裝置的一六維物件姿態追蹤模組根據該物件清單包含的所有六維姿態估測結果及該RGB影像對應的該深度圖，對該RGB影像中的物件進行六維物件姿態追蹤。
2. 如請求項1所述的六維物件姿態追蹤方法，其中，該六維物件姿態估測模組判斷該物件清單中的六維姿態估測結果其中之一包含的該識別碼未出現在該等二維物件追蹤結果其中之一時，該六維物件姿態估測模組將未出現在該等二維物件追蹤結果其中之一的該識別碼所屬的該六維姿態估測結果從該物件清單中移除。
3. 如請求項1所述的六維物件姿態追蹤方法，其中，該二維物件追蹤模組和該六維物件姿態估測模組是透過多執行緒機制進行非同步運算。
4. 如請求項1所述的六維物件姿態追蹤方法，其中，該六維物件姿態估測模組是根據該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件對應的一CAD模型，對該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件進行六維姿態估測。
5. 如請求項1所述的六維物件姿態追蹤方法，其中，該六維物件姿態追蹤模組透過動態批量推論機制同時追蹤該RGB影像中的多個物件。
6. 如請求項1所述的六維物件姿態追蹤方法，其中，各該二維物件追蹤結果還包括相對應的各該物件的類別名稱及遮罩，且各該六維姿態估測結果包含相對應的該物件的該識別碼、類別名稱、二維姿勢資訊、六維姿態資訊、網格、網格張量、網格直徑和模型中心。
7. 一種六維物件姿態追蹤裝置，包括： 一儲存單元，其中儲存一物件清單；及 一處理單元，其包含一二維物件追蹤模組、一六維物件姿態估測模組及一六維物件姿態追蹤模組；其中 該處理單元執行該二維物件追蹤模組以對輸入的一RGB影像進行物件偵測、追蹤及分類，並產生與該RGB影像中的各該物件對應一二維物件追蹤結果，各該二維物件追蹤結果包含相對應的該物件的識別碼及邊界框； 該處理單元執行該六維物件姿態估測模組，使其比對該等二維物件追蹤結果與該儲存單元儲存的該物件清單，並於判斷該等二維物件追蹤結果其中之一包含的該識別碼未出現在該物件清單中時，該六維物件姿態估測模組根據未出現在該物件清單中的該識別碼所屬的該二維物件追蹤結果及該RGB影像對應的一深度圖，對該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件進行六維姿態估測，並將對應產生的一六維姿態估測結果記錄在該物件清單中； 該處理單元執行該六維物件姿態追蹤模組，使其根據該物件清單包含的所有六維姿態估測結果及該RGB影像對應的該深度圖，對該RGB影像中的物件進行六維物件姿態追蹤。
8. 如請求項7所述的六維物件姿態追蹤裝置，其中，該六維物件姿態估測模組判斷該物件清單中的六維姿態估測結果其中之一包含的該識別碼未出現在該等二維物件追蹤結果其中之一時，該六維物件姿態估測模組將未出現在該等二維物件追蹤結果其中之一的該識別碼所屬的該六維姿態估測結果從該物件清單中移除。
9. 如請求項7所述的六維物件姿態追蹤裝置，其中，該二維物件追蹤模組和該六維物件姿態估測模組是透過多執行緒機制進行非同步運算。
10. 如請求項7所述的六維物件姿態追蹤裝置，其中，該六維物件姿態估測模組是根據該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件對應的一CAD模型，對該RGB影像中與未出現在該物件清單中的該識別碼對應的該物件進行六維姿態估測。
11. 如請求項7所述的六維物件姿態追蹤裝置，其中，該六維物件姿態追蹤模組透過動態批量推論機制同時追蹤該RGB影像中的多個物件。
12. 如請求項7所述的六維物件姿態追蹤裝置，其中，各該二維物件追蹤結果還包括相對應的各該物件的類別名稱及遮罩，且各該六維姿態估測結果包含相對應的該物件的該識別碼、類別名稱、二維姿勢資訊、六維姿態資訊、網格、網格張量、網格直徑和模型中心。
13. 一種電腦可讀取的記錄媒體，其中儲存一包含一二維物件追蹤模組、一六維物件姿態估測模組及一六維物件姿態追蹤模組的軟體程式，該軟體程式被一電腦裝置載入並執行時，該電腦裝置能完成如請求項1至6其中任一項所述的六維物件姿態追蹤方法。

Images