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！

龙图腾网恭喜浙江大学申请的专利一种面向遮挡和截断场景的多几何特征学习的物体六自由度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：CN115147599B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210629967.0，技术领域涉及：G06V10/26；该发明授权一种面向遮挡和截断场景的多几何特征学习的物体六自由度位姿估计方法是由伊国栋;王吉春;张树有设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本一种面向遮挡和截断场景的多几何特征学习的物体六自由度位姿估计方法在说明书摘要公布了：本发明公开了一种面向多几何特征学习的物体六自由度位姿估计方法。利用深度卷积神经网络和点云分割网络从RGB图像和深度图中分别提取得到外观特征和几何特征，按照像素对应关系对两种特征进行融合得到融合特征；通过共享的多层感知机分别预测关键点、边向量、对称点和实例级语义标签，利用最小二乘法拟合得到初始的位姿估计，构建由三种几何表示差分方程组成的非线性最小优化问题，求解得到最优的位姿估计结果。本发明实现了在严重遮挡或截断场景下的准确位姿估计，并且利用神经网络特征表示的鲁棒性提高了对杂乱场景和无纹理物体的检测精度。

本发明授权一种面向遮挡和截断场景的多几何特征学习的物体六自由度位姿估计方法在权利要求书中公布了：1.一种面向遮挡和截断场景的多几何特征学习的物体六自由度位姿估计方法，其特征在于，包括以下步骤：1采集包含目标物体的一张彩色图像及其对应的深度图像，利用特定深度卷积神经网络从彩色图像中提取场景的外观特征，同时将深度图像转化为点云数据，并利用特定点云分割网络从点云数据中提取场景的几何特征；2在步骤1提取外观特征和几何特征过程中，利用全流双向融合网络融合分别从彩色图像和点云数据提取的外观特征和几何特征；3将步骤1提取的外观特征和几何特征逐点对齐并拼接，得到场景中的融合特征；4将融合特征输入实例级语义分割模块，利用训练好的实例级语义分割模块实现场景中多类型物体不同实例的分割预测；5将融合特征输入几何表示预测模块，利用训练好的几何表示预测模块回归得到物体的关键点偏置、三维边向量和稠密的对称点；6对步骤4得到的每个物体实例的采样点集合，结合步骤1得到的点云数据，从对应的关键点偏置中计算得到各个关键点在相机坐标系下的位置，以及从对称点预测中得到物体表面点的对称点，再通过统计分析得到各条边向量的三维坐标；7根据目标物体在物体坐标系下预定义的关键点和相机坐标系下预测的关键点的对应关系，利用最小二乘拟合方法求解初始位姿{Rinit|tinit}；8对步骤6中得到的关键点集合、边向量集合以及稠密的对称点集合分别定义关于位姿变换的差分方程，并构建非线性优化问题，从初始位姿{Rinit|tinit}出发通过高斯牛顿法迭代优化得到物体的最终位姿{Rfinal|tfinal}。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。