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！

龙图腾网恭喜复旦大学申请的专利一种基于手绘草图的目标物可抓取点检测方法及系统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：CN114373127B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202111609585.3，技术领域涉及：G06V20/10；该发明授权一种基于手绘草图的目标物可抓取点检测方法及系统是由付彦伟;林海涛;薛向阳设计研发完成，并于2021-12-24向国家知识产权局提交的专利申请。

本一种基于手绘草图的目标物可抓取点检测方法及系统在说明书摘要公布了：本发明涉及一种基于手绘草图的目标物可抓取点检测方法及系统，其中抓取点检测方法包括：获取标注好抓取框的自然场景图片集以及和场景中物体对应的手绘草图样本集，并对样本进行预处理；将草图和目标物体可抓取框进行配对，构建训练集；构建基于草图内容为引导的可抓取框检测网络；训练基于草图内容为引导的可抓取框检测网络；使用训练好的可抓取框检测网络定位自然场景图片中与草图内容相符的物体所对应的可抓取框。与现有技术相比，本发明具有有效实现基于草图引导机器人完成抓取目标物任务、网络收敛快、泛化能力强等优点。

本发明授权一种基于手绘草图的目标物可抓取点检测方法及系统在权利要求书中公布了：1.一种基于手绘草图的目标物可抓取点检测方法，其特征在于，所述的可抓取点检测方法包括：步骤1：获取标注好抓取框的自然场景图片集以及和场景中物体对应的手绘草图样本集，并对样本进行预处理；步骤2：将草图和目标物体可抓取框进行配对，构建训练集；步骤3：构建基于草图内容为引导的可抓取框检测网络；步骤4：训练基于草图内容为引导的可抓取框检测网络；步骤5：使用训练好的可抓取框检测网络定位自然场景图片中与草图内容相符的物体所对应的可抓取框；所述步骤3中基于草图内容为引导的可抓取框检测网络具体为：步骤3-1：利用深度特征提取模块提取草图全局特征向量和自然场景图片的特征图，并获取其相关性特征图；步骤3-2：生成可抓取区域提议框和抓取框；步骤3-3：构建损失函数；所述的步骤3-1具体为：步骤3-1-1：使用图卷积网络GCN对图结构的手绘草图进行全局特征提取；步骤3-1-2：使用残差网络ResNet对自然图片进行特征提取获得空间特征图；步骤3-1-3：利用草图全局特征在自然图片上提取的空间特征图上进行检索，获得该全局特征与空间特征图上每个区域的相关性特征图；所述的步骤3-1-3具体为：将全局特征向量与特征图进行哈达玛积操作： 得到特征图中每个局部位置特征和全局特征向量的相关性；然后对相关性特征图和自然图片的空间特征图进行合并和线性投影降维得到最终的特征图其中H和W分别为输入网络的图片的高和宽；所述的步骤3-2具体为：步骤3-2-1：将步骤3-1获得的最终的特征图输入区域提议网络RPN，分别预测每个锚框i内存在的目标草图相关内容的可抓取区域参数和置信分数然后将预测的可抓取区域按照置信度分数从高到低进行排序，取置信度最高的N个抓取提议框，送入后续的的感兴趣区域检测头ROIHead，其中x,y为矩形框的中心坐标，h,w为长宽参数；步骤3-2-2：感兴趣区域检测头ROIHead进行抓取区域参数预测；感兴趣区域检测头ROIHead回归可抓取框参数并将抓取框的角度预测作为分类任务，将置信度最高的类别对应的角度作为可抓取框的旋转角度；所述的步骤3-3具体为：损失函数包括抓取区域提议损失函数和抓取区域检测损失函数，两类损失函数均由回归损失和分类损失构成，回归损失具体为平滑L1范数损失函数，分类损使具体为交叉熵损失函数。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。