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！

龙图腾网获悉重庆理工大学申请的专利基于Transformer-CNN混合架构的RGB-D跨模态交互融合机械臂抓取检测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：CN116912608B 。

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：202310829290.X，技术领域涉及：G06V10/77；该发明授权基于Transformer-CNN混合架构的RGB-D跨模态交互融合机械臂抓取检测方法是由王勇;李邑灵;安春艳设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本基于Transformer-CNN混合架构的RGB-D跨模态交互融合机械臂抓取检测方法在说明书摘要公布了：本发明公开了基于Transformer‑CNN混合架构的RGB‑D跨模态交互融合机械臂抓取检测方法，涉及机械臂技术领域。本发明采用Transformer和CNN的混合架构构建深度学习网络，利用一个跨模态交互融合编码器对RGB图像和Depth图像不同模态的信息进行校准融合，并减少了Depth图像中噪声因素的影响，整个网络架构由编码器、解码器和抓取预测模块组成，Encoder用于对输入图像进行下采样编码提取抓取检测图像的特征信息，Decoder对这些特征信息进行上采样解码分析，最后在Detection中实现像素级的抓取预测。

本发明授权基于Transformer-CNN混合架构的RGB-D跨模态交互融合机械臂抓取检测方法在权利要求书中公布了：1.基于Transformer-CNN混合架构的RGB-D跨模态交互融合机械臂抓取检测方法，其特征在于：至少包括以下步骤： S1：由编码器、解码器和抓取预测模块组成网络架构，编码器用于对输入图像进行下采样编码提取抓取检测图像的特征信息，解码器对这些特征信息进行上采样解码分析，最后在抓取预测模型中实现像素级的抓取预测； S2：图像特征编码，图像的特征编码是在网络的编码器模组中完成； S3：图像特征解码，RGB和Depth图像经过编码器编码后得到了F1、F2、F3三个不同层级的特征编码，将这三个特征编码输入到解码器进行特征解码； S4：抓取位姿预测，检测图像经过编码器的编码和解码器的解码后转化成了满足抓取检测所需的特征向量，把该特征向量输入抓取预测模块实现端到端的基于关键点的像素级抓取预测，最后利用网络生成与检测图像大小相同的像素图来预测抓取位姿； S5：基于关键点的像素级的抓取检测表示，对于平行夹爪式抓取器，抓取检测的目标是检测出图像中满足抓取任务的抓取矩形； S6：训练数据的生成； S7：损失函数，网络的损失函数L包括抓取矩形中心点损失抓取矩形角度和宽度损失、； 所述解码器包括残差上采样模块、跳跃特征融合模块以及双流特征提取模块，所述编码器至少包括残差下采样模块、Transformer-CNN双流特征提取模块以及跨模态交互融合编码器构成； 在Transformer-CNN双流特征提取模块中，输入的特征向量经过一个1×1卷积层后被分别输入到SwinT分支和残差卷积网络分支中进行特征提取获得,； 把,拼接后再用一个1x1的卷积层使其通道数目恢复与一致并与融合相加得到最后的特征输出向量，整个过程公式化如下： ； ； ； 所述Transformer-CNN双流特征提取模块与双流特征提取模块相同。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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。