首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种非合作目标位姿估计方法、系统及存储介质 

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!

申请/专利权人:常熟理工学院

摘要:本发明公开了一种非合作目标位姿估计方法、系统及存储介质,目标位姿估计方法包括:对非合作目标点云进行三维重建;获取目标ROI区域;获取目标点云的干扰点,将干扰点分成远干扰点与近干扰点,对于远干扰点,在配准前运用离群点剔除算法进行分离与剔除;对于近干扰点,在传统迭代最近点算法的代价函数中加入高斯分布权重,权值随点到质心距离的变化而改变,并将其带入到迭代过程的运算中,完成对目标位姿的估计。基于质心距变条件下高斯分布权值的迭代最近点方法,以此起到对近干扰点的弱化,提高对仓储机器人工作环境中非合作目标位姿估计的精确性与鲁棒性。

主权项:1.一种非合作目标位姿估计方法,其特征在于,包括以下步骤:S01:对非合作目标点云进行三维重建;S02:运用改进的深度学习检测模型获取非合作目标ROI区域;所述改进的深度学习检测模型在YOLOv7_tiny的基础上进行改进,模型中的卷积部分均采用深度可分离卷积实现,深度可分离卷积由可分离卷积和点卷积两部分组成,其中可分离卷积实现逐通道卷积,点卷积则实现不同通道间的特征交互,卷积层后的激活函数采用ELU激活函数;ELAN中将其中一条通道上的卷积数量由3个降低至2个,在YOLO模型的Neck部分包含3输出通道间的特征融合,删除中层输出特征向底层特征的下采样,仅保留三通道间的上采样和高层特征向中层特征的下采样;所述改进的深度学习检测模型由骨干网络和检测网络两部分组成,其中骨干网络由两个D_CBE模块、4个ELAN模块构成,除了最后一个ELAN模块,在其它ELAN模块之后均使用一个最大池化层进行处理;检测网络包括D_CBE模块、D_SPP模块、上采样层UP模块、拼接模块Concat以及ELAN模块,检测头部分共有3个检测分支,分别对骨干网络中的3种不同分辨率的特征进行检测;S03:获取目标点云的干扰点,将干扰点分成远干扰点与近干扰点,对于远干扰点,在配准前运用离群点剔除算法进行分离与剔除;对于近干扰点,在传统迭代最近点算法的代价函数中加入高斯分布权重,权值随点到质心距离的变化而改变,并将其带入到迭代过程的运算中,完成对目标位姿的估计。

全文数据:

权利要求:

百度查询: 常熟理工学院 一种非合作目标位姿估计方法、系统及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。