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！

龙图腾网获悉广东工业大学申请的专利基于深度学习的弱纹理无序堆叠零件的位姿求解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：CN119540346B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411483801.8，技术领域涉及：G06T7/73；该发明授权基于深度学习的弱纹理无序堆叠零件的位姿求解方法是由陈新度;麦展浩;陈玉冰;吴磊设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本基于深度学习的弱纹理无序堆叠零件的位姿求解方法在说明书摘要公布了：本发明涉及基于深度学习的弱纹理无序堆叠零件的位姿求解方法。首先通过计算机技术自动生成用以网络训练的标注数据，大大减少了人工标注的成本消耗。其次，在网络设计方面加入了注意力矩阵的计算，提升了点云实例分割的效果，增加的特征点预测模块对单个零件实例点云进行预测，求解出预定义的特征点位置，然后通过点云配准使网络拥有了求解零件位姿的能力。与传统点云配准方法相比，所提特征点配准的方法大大减少了时间的损耗，同时避免了因为传感器采样距离不同而导致算法性能不佳的缺点。最后在推理阶段通过霍夫投票的方法求解出特征点的准确位置，优化了实例分割引入的误差，进一步提高了弱纹理无序堆叠零件位姿预测的准确性。

本发明授权基于深度学习的弱纹理无序堆叠零件的位姿求解方法在权利要求书中公布了：1.基于深度学习的弱纹理无序堆叠零件的位姿求解方法，其特征在于，包括以下： 扫描平面中零件获取扫描点云，对所述扫描点云进行分割、预处理操作以获取若干个零件的正反面的点云文件； 预生成一批零件堆叠时零件相对于世界坐标系的齐次变换矩阵，以读取所述点云文件并基于所述齐次变换矩阵变换到对应的堆叠位置的方式，生成训练数据； 基于所述训练数据训练改进的FPCC网络，并保存训练后网络的权重文件， 具体的，改进的FPCC网络在原FPCC网络的基础上增加了一个特征点预测模块，同时在原FPCC网络的实例分割的损失计算中增加了注意力矩阵； 获取目标零件的扫描点云，对目标零件的扫描点云进行点云预处理后输入到所述权重文件中进行预测，得到输出的中心分数、点云实例标签和特征点坐标，进行霍夫投票获得目标零件的特征点位置； 通过特征点位置与特征点模板进行ICP点云配准获取目标零件对应的齐次变换矩阵， 基于目标零件对应的齐次变换矩阵，找寻出配准误差低于预设阈值的工件并输出其位姿； 具体的，改进的FPCC网络，包括， 在FPCC网络的基础上增加了一个特征点预测模块，使每一个点都能够估计出K个特征点的坐标进而得到冗余的特征点坐标，得到冗余的特征点坐标后通过霍夫投票的方法获得票数最高的特征点位置，最后通过特征点的ICP点云配准方法求解出工件的准确位姿，同时在FPCC网络的实例分割的损失计算中增加了注意力矩阵，根据两点间的距离矩阵D构造了1个N×N的同实例注意力矩阵与1个N×N的非同实例注意力矩阵，其中， ； ； ； ； ； ； 表示矩阵的第i行第j列元素，表示矩阵的第i行第j列元素。

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广东工业大学，其通讯地址为：510000 广东省广州市越秀区东风东路729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”。

以上内容由龙图腾AI智能生成。