龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：哈尔滨工业大学
摘要：双向融合6D物体位姿估计方法，解决了在位姿估计时传感器噪声干扰影响网络性能，鲁棒性较差的问题，属于物体位姿估计领域。本发明提供一种基于新型transformer架构的双向融合6D物体位姿估计方法：对待估计场景的RGB图像与深度图像进行预处理，将深度图像转换成点云数据；利用特征提取层提取RGB图像中的外观特征和点云数据中的几何特征；双向特征融合层集成在特征提取层的每一个维度内；自适应MOE层根据特征提取层最后输出的特征判断主导模态，调整外观特征和几何特征的权重，得到MOE特征，并与特征提取层最后输出的外观特征和几何特征进行拼接，拼接后输入至6D物体位姿估计层得到每个物体的6D位姿参数。
主权项：1.双向融合6D物体位姿估计方法，其特征在于，所述方法包括：对待估计场景的RGB图像与深度图像进行预处理，将深度图像转换成点云数据；所述场景图像中包括一个或多个物体；将RGB图像和点云数据输入至位姿估计网络；所述位姿估计网络包括特征提取层、双向特征融合层、自适应MOE层和6D物体位姿估计层；RGB图像和点云数据输入至特征提取层，特征提取层分别提取输入RGB图像中的外观特征和点云数据的几何特征；双向特征融合层集成在特征提取层的每一个维度内，将提取的相应维度的外观特征和几何特征进行融合，得到点云数据到RGB融合特征p2r和RGB到点云数据融合特征r2p，融合特征p2r作为下一个维度外观特征提取时的输入，融合特征r2p作为下一个维度几何特征提取时的输入；特征提取层最后输出的外观特征和几何特征同时输入至自适应MOE层，自适应MOE层根据输入的特征判断主导模态，调整外观特征和几何特征的权重，进行加权求和，得到MOE特征，MOE特征与特征提取层最后输出的外观特征和几何特征进行拼接，将拼接后的特征图像输出至6D物体位姿估计层；6D物体位姿估计层预测出拼接后的特征图像中的每个物体上的3D关键点，得到每个物体的预测关键点集，将该预测关键点集与配置文件中每个物体的关键点集进行匹配，从而回归出每个物体的6D位姿参数。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学 双向融合6D物体位姿估计方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号