申请/专利权人:福州大学
申请日:2024-03-16
公开(公告)日:2024-06-28
公开(公告)号:CN118262210A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/44;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.28#公开
摘要:本发明涉及基于形状增强和位置嵌入编码的类别级目标姿态估计方法,包括以下步骤:步骤S1:通过非线性形状增强方法对公开类别级姿态估计数据集进行数据增强,丰富数据集的多样性,增加网络训练期间的形状多样性;步骤S2:通过编码器将输入特征进行位置嵌入编码,从局部到全局地感知逐点几何特征,缓解目标几何结构复杂的问题;步骤S3:通过跳过连接模块减少步骤S1数据增强中引起的点云稀疏影响,避免跨尺度特征传播过程中的信息丢失,通过解码器进一步融合多尺度几何特征;步骤S4:使用对称感知重建损失和距离损失函数共同提高训练监督的效率,最终完成类别级物体6D姿态估计识别;该方法能够有效地对目标进行类别级姿态估计。
主权项:1.基于形状增强和位置嵌入编码的类别级目标姿态估计方法,其特征在于,包括以下步骤:步骤S1:通过非线性形状增强方法对公开类别级姿态估计数据集进行数据增强,丰富数据集的多样性,增加网络训练期间的形状多样性;步骤S2:通过编码器将输入特征进行位置嵌入编码,从局部到全局地感知逐点几何特征,缓解目标几何结构复杂的问题;步骤S3:通过跳过连接模块减少步骤S1数据增强中引起的点云稀疏影响,避免跨尺度特征传播过程中的信息丢失,通过解码器进一步融合多尺度几何特征;步骤S4:使用对称感知重建损失和距离损失函数,共同提高训练监督的效率,最终完成类别级物体6D姿态估计识别。
全文数据:
权利要求:
百度查询: 福州大学 基于形状增强和位置嵌入编码的类别级目标姿态估计方法
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。