买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉视瑞(北京)机器人技术有限公司申请的专利一种基于图像分割与物体位姿估计的物体抓取方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120269580B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510769372.9，技术领域涉及：B25J9/16；该发明授权一种基于图像分割与物体位姿估计的物体抓取方法及系统是由吴亚雄;易维云;孔新昊设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本一种基于图像分割与物体位姿估计的物体抓取方法及系统在说明书摘要公布了：本发明提供一种基于图像分割与物体位姿估计的物体抓取方法及系统，涉及计算机视觉技术领域，方法包括：获取待抓取物体的原始图像；对原始图像进行预处理，得到目标图像；根据目标图像，生成待抓取物体的物体掩码；根据物体掩码，确定待抓取物体在目标图像中的2D边界框；通过旋转平移采样技术对待抓取物体的位姿进行初步估计，得到初步位姿；通过位姿精炼网络，对待抓取物体的位姿进行精炼估计，得到精炼位姿；将精炼位姿由相机坐标系转换至机械臂坐标系；在机械臂坐标系上，基于预定义的固定变换，计算目标抓取位姿；通过逆运动学算法，将目标抓取位姿转换为机械臂的关节角度，根据关节角度，控制机器臂对待抓取物体进行抓取。

本发明授权一种基于图像分割与物体位姿估计的物体抓取方法及系统在权利要求书中公布了：1.一种基于图像分割与物体位姿估计的物体抓取方法，其特征在于，包括： S1：获取待抓取物体的原始图像； S2：对所述原始图像进行预处理，得到目标图像； S3：根据所述目标图像，通过SAM模型以及DINOv2模型生成所述待抓取物体的物体掩码； S4：根据所述物体掩码，确定所述待抓取物体在所述目标图像中的2D边界框； S5：基于所述2D边界框的中位深度，通过旋转平移采样技术对所述待抓取物体的位姿进行初步估计，得到多个初步位姿； S6：根据各个所述初步位姿以及所述目标图像，通过位姿精炼网络，对所述待抓取物体的位姿进行精炼估计，得到精炼位姿； S7：将所述精炼位姿由相机坐标系转换至机械臂坐标系； S8：在所述机械臂坐标系上，基于预定义的末端执行器与所述待抓取物体之间的固定变换，计算目标抓取位姿； S9：通过逆运动学算法，将所述目标抓取位姿转换为机械臂的关节角度； S10：根据所述关节角度，控制机器臂对所述待抓取物体进行抓取； 其中，所述S3具体包括： S301：通过SAM模型，对所述目标图像进行分割，生成多个候选分割区域； S302：通过DINOv2模型，提取各个所述候选分割区域的图像特征； S303：通过可见性比率权重调整机制，根据各个所述候选分割区域的图像特征，生成所述物体掩码； 其中，所述图像特征包括：语义特征、外观特征以及几何特征； 其中，所述S303具体包括： S3031：根据所述语义特征，对各个所述候选分割区域进行匹配评分，得到各个所述候选分割区域的语义匹配评分； S3032：根据所述外观特征，对各个所述候选分割区域进行匹配评分，得到各个所述候选分割区域的外观匹配评分； S3033：根据所述几何特征，对各个所述候选分割区域进行匹配评分，得到各个所述候选分割区域的几何匹配评分； S3034：通过所述可见性比率权重调整机制，对各个所述候选分割区域的语义匹配评分、外观匹配评分以及几何匹配评分进行加权求和，得到各个所述候选分割区域的综合匹配评分； S3035：选取所述综合匹配评分最高的候选分割区域作为所述物体掩码； 其中，所述位姿精炼网络具体为卷积神经网络； 其中，所述S6具体包括： S601：根据各个所述初步位姿，生成所述待抓取物体的多个渲染图； S602：通过所述卷积神经网络，提取所述目标图像的特征图； S603：比较各个所述渲染图与所述特征图之间的匹配度，得到各个所述渲染图中的位姿的得分： ； 其中，表示渲染图中的位姿的得分，表示第个渲染图的稀疏点坐标，表示第个渲染图的稀疏点集，min表示取最小值，表示第个特征图的稀疏点坐标，表示第个特征图的稀疏点集，表示假设的旋转矩阵，表示转置运算，表示假设的平移向量，表示稀疏点集的点数； S604：选取得分最高的位姿作为所述精炼位姿。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人视瑞(北京)机器人技术有限公司，其通讯地址为：100176 北京市大兴区北京经济技术开发区永昌北路9号1幢4层424-41号(集群注册)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。