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！

龙图腾网获悉哈尔滨工业大学人工智能研究院有限公司申请的专利基于深度学习的机械臂目标检测感知定位方法、设备、存储介质和产品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：CN116543039B 。

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：202310392860.3，技术领域涉及：G06T7/70；该发明授权基于深度学习的机械臂目标检测感知定位方法、设备、存储介质和产品是由赵振廷;朱益民;纪小宇;肖广洲;张瑞先;韩成哲;丁一航设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本基于深度学习的机械臂目标检测感知定位方法、设备、存储介质和产品在说明书摘要公布了：基于深度学习的机械臂目标检测感知定位方法、设备、存储介质和产品，属于目标感知技术领域，解决不能为机械臂抓取控制策略提供物体的尺寸信息问题。本发明方法包括：使用基于YOLOv5的目标检测算法的主干检测网络，设计全新的神经网络检测回归模块，使关键点模型神经网络的收敛对象为目标物体的最小外接多边形，即为目标物体对应图像中的若干个关键点；加入WingLoss回归损失函数来进行图像关键点回归，使得网络可以收敛得到若干个关键点的图像坐标；通过关键点模型神经网络中对深度相机的RGB图像进行检测，得到目标物体在RGB图像中的若干个关键点位置；得到物体的若干个点的三维坐标位置后，得到物体尺寸信息。本发明适用于机械臂目标抓取的视觉感知系统。

本发明授权基于深度学习的机械臂目标检测感知定位方法、设备、存储介质和产品在权利要求书中公布了：1.一种基于深度学习的机械臂目标检测感知定位方法，其特征在于，所述方法包括： 步骤1、建立关键点模型神经网络，具体包括： 步骤1.1、使用基于YOLOv5的目标检测算法的主干检测网络，设计全新的神经网络检测回归模块，使所述关键点模型神经网络的收敛对象为目标物体的最小外接多边形，即为目标物体对应图像中的若干个关键点，所述若干个为四个以上； 步骤1.2、加入WingLoss回归损失函数来进行图像关键点回归，使得网络可以收敛得到所述若干个关键点的图像坐标； 步骤2、通过所述关键点模型神经网络中对深度相机的RGB图像进行检测，得到目标物体在RGB图像中的若干个关键点位置； 将RGB图像与深度相机的深度模块输出的深度图像进行图像配准，经过图像配准后可以得到其在深度图像中的位置，从而得到目标物体相对于相机的三维坐标位置； 得到物体的若干个点的三维坐标位置后，得到物体的尺寸信息； 步骤3、得到物体相对于相机的世界坐标位置后，经过坐标转换后即可得到物体相对于机械臂本体的坐标； 所述全新的神经网络检测回归模块的回归公式为： 其中，,表示神经网络后处理检测头得到的检测框的中心点像素位置；tx,ty,为预测目标中点位置坐标；,,,为每个像素点的先验锚框的宽，高与中心点坐标；,为每个像素点在特征图中的坐标； 步骤2，具体包括： 使用深度相机的RGB图像作为神经网络的输入，将RGB图像与深度相机输出的深度图像进行图像配准即可得到目标点的三维坐标位置： 步骤2.1、使用深度相机进行定位，通过目标检测算法找到物体的四个关键点和中心点，然后使用图像配准进行测距，配准过程的公式为： 其中，表示左相机内参矩阵，表示右相机内参矩阵，表示左相机到右相机的外参变换矩阵，W为RGB图像坐标系到深度图像坐标系转化矩阵； 步骤2.2、算得深度图像中的若干个关键点位置即为： 其中，，为关键点在左边相机中的位置，，为关键点在右边相机中的位置，该目标距离相机中心的距离； 步骤2.3、通过配准后即可得到目标点在深度图像中的坐标，由深度图像即可得到目标点对应到世界坐标系下的三维坐标，即可得到物体的尺寸与位置，所述目标点为根据四个关键点计算的目标位置的中心点。

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哈尔滨工业大学人工智能研究院有限公司，其通讯地址为：150028 黑龙江省哈尔滨市松北区智谷大街288号深圳（哈尔滨）产业园区科创总部1号楼；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”。