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！

龙图腾网获悉湖南大学申请的专利基于轻量级特征融合网络的类别级物体6D位姿估计方法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：CN116805383B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310943921.0，技术领域涉及：G06V10/77；该发明授权基于轻量级特征融合网络的类别级物体6D位姿估计方法是由孙炜;杨慧;刘剑;刘崇沛设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本基于轻量级特征融合网络的类别级物体6D位姿估计方法在说明书摘要公布了：本发明公开了一种基于轻量级特征融合网络的类别级物体6D位姿估计方法，通过将相机采集的物体深度图像经过反投影得到物体点云，然后使用PointNet++网络提取物体点云和形状先验的几何特征，并将其送入轻量级特征融合编码器中进行密集融合，将融合后得到的特征输至多层感知机并进行平均池化得到全局特征，最后，根据几何特征和全局特征重建物体模型，并通过位姿回归求解6D位姿。本发明有效的将物体点云特征和形状先验特征进行融合，将形状先验几何特征引入到实例中，使其形状信息更加可靠；将实例的几何信息融合到形状先验中，使其对类别内的不同实例有更好的泛化效果，并在6D位姿估计准确性、速度等性能上得到了显著的提升。

本发明授权基于轻量级特征融合网络的类别级物体6D位姿估计方法在权利要求书中公布了：1.一种基于轻量级特征融合网络的类别级物体6D位姿估计方法，其特征在于，包括以下步骤： 步骤S1，通过三维相机获取物体的深度图像，根据相机内部参数将深度图进行反投影得到物体点云； 步骤S2，将物体点云和形状先验输入至PointNet++网络，提取物体点云几何特征和形状先验几何特征，具体包括： 先通过均匀下采样的方式对物体点云和形状先验采样1024个点，然后基于PointNet++网络利用度量空间距离自适应组合多尺度特征，得到物体点云和形状先验的几何特征； 步骤S3，将物体点云几何特征和形状先验几何特征输至特征融合网络进行密集融合，具体包括以下步骤： 步骤S31，通过余弦相似度衡量物体点云几何特征和形状先验几何特征之间的相关性fXi,Yi，由下式表示： 其中，n表示物体点云采样的总点数，m表示形状先验采样的总点数，Yi表示物体点云中第i个采样点的特征向量，Xi表示形状先验中第i个采样点的特征向量； 步骤S32，通过构建多层感知机计算物体点云和形状先验之间的相关性特征； 步骤S33，将物体点云几何特征Fo、形状先验几何特征Fr以及相关性特征Fd进行逐点密集融合，由下式表示： 其中，表示融合了和的物体点云特征，表示融合了和的形状先验特征； 步骤S4，将进行密集融合后得到的融合特征输入多层感知机并进行平均池化，得到物体点云全局特征和形状先验全局特征，并通过变形网络重建得到重建物体模型，具体包括以下步骤： 步骤S41，将物体点云特征、形状先验特征分别输入多层感知机并进行平均池化后得到物体点云全局特征和形状先验全局特征； 步骤S42，将形状先验、形状先验几何特征Fr、形状先验全局特征、物体点云几何特征Fo和物体点云全局特征作为变形网络输入； 步骤S43，所述形状先验几何特征、形状先验全局特征和物体点云全局特征构成形状先验融合特征，所述物体点云几何特征、物体点云全局特征和形状先验全局特征构成物体实例融合特征，通过由卷积神经网络构成的变形模块得到重建物体模型； 步骤S44，设置重建损失缩小重建物体模型与物体真实模型之间的差距，所述重建损失是重建物体模型与物体真实模型之间的倒角距离，表达式如下所示： 其中，LCD表示重建损失，dCD表示倒角距离，表示物体真实模型，表示重建物体模型； 步骤S5，将物体点云几何特征、物体点云全局特征、形状先验几何特征以及形状先验全局特征通过位姿回归，得到物体的6D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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1号；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”。

以上内容由龙图腾AI智能生成。