摘要：基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的目標(biāo)位姿估計(jì)模型的損失函數(shù)大多采用兩點(diǎn)之間的歐氏距離作為評(píng)判準(zhǔn)則,雖然該損失函數(shù)計(jì)算簡(jiǎn)單、運(yùn)算速度快,但訓(xùn)練規(guī)則不夠全面、缺乏對(duì)目標(biāo)的全局認(rèn)識(shí)。針對(duì)這一問(wèn)題,提出了一種基于組合型損失函數(shù)的ComPoseNet模型,并進(jìn)行位姿估計(jì)。此模型中的損失函數(shù)從空間學(xué)習(xí)的角度出發(fā),同時(shí)利用兩點(diǎn)歐氏距離、兩點(diǎn)直線和兩點(diǎn)直線角度等作為訓(xùn)練規(guī)則。相比傳統(tǒng)損失函數(shù),此算法分別從點(diǎn)、線以及角度方面考慮了目標(biāo)的空間整體位置,進(jìn)一步減小了估計(jì)位姿與真實(shí)位姿之間的誤差,位姿估計(jì)得以改善。在LineMod數(shù)據(jù)上進(jìn)行大量的實(shí)驗(yàn)和分析,結(jié)果表明,在相同的訓(xùn)練次數(shù)情況下,本文算法比傳統(tǒng)算法收斂速度快、精度高、誤差小,其中平移誤差降低了7.407%,角度誤差降低了6.968%。