Para estimar com precisão a pose de seis graus de liberdade de uma câmera em um ambiente tridimensional real específico, a partir de imagens RGB monoculares, este artigo propõe um método de estimativa de pose de câmera em múltiplas etapas baseado na regressão densa do cenário, combinando imagens bidimensionais conhecidas e informações de nuvem de pontos 3D. Primeiramente, as informações do mapa de profundidade são combinadas com o algoritmo tradicional de recuperação de estrutura a partir do movimento (Structure From Motion, SFM) para construir um conjunto de dados de estimativa de pose de câmera monocular; em segundo lugar, este artigo introduz pela primeira vez a recuperação de imagens de profundidade na construção de pontos de correspondência 2D-3D e otimiza a solução da pose por meio da função de otimização de pose proposta, propondo um método de estimativa de pose de câmera em múltiplas etapas; finalmente, para melhorar o desempenho da estimativa de pose, a estrutura da rede ResNet é utilizada para a regressão densa das coordenadas da cena na imagem, o que aumenta significativamente a precisão da estimativa de pose do método proposto. Os resultados experimentais mostram que, para um limite de erro de pose dado de 5 cm/5°, a taxa média de precisão da estimativa de pose no conjunto de dados público 7scenes é de 82,7%, e de 94,8% no conjunto de dados próprio. Em comparação com outros algoritmos existentes de estimativa de pose de câmera, o método proposto apresenta melhorias na precisão da estimativa de pose tanto no conjunto de dados próprio quanto no conjunto público.

estimativa de pose de câmera;nuvem de pontos 3D;correspondência de características;regressão de cena