Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南大学朱青获国家专利权

湖南大学朱青获国家专利权

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!

龙图腾网获悉湖南大学申请的专利一种基于状态空间模型的抓取检测方法与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:CN120862702B

龙图腾网通过国家知识产权局官网在2025-12-12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:202511373802.1,技术领域涉及:B25J9/16;该发明授权一种基于状态空间模型的抓取检测方法与系统是由朱青;黄嘉男;王耀南;刘学兵;周显恩;吴成中;王飞文;李欣宜设计研发完成,并于2025-09-25向国家知识产权局提交的专利申请。

一种基于状态空间模型的抓取检测方法与系统在说明书摘要公布了:一种基于状态空间模型的抓取检测方法与系统,方法包括:获取包含目标物体的场景点云,分别进行标注,得到标签数据集合;搭建抓取检测模型;对抓取检测模型进行训练,并依据抓取检测模型的预测结果与标签数据集合计算总损失,调整抓取检测模型的权重,最小化总损失,直至达到设定的迭代停止条件;利用测试集对训练后的抓取检测模型进行评估,保存表现最好的模型参数作为最终的抓取检测模型,将现实中的包含目标物体的场景点云输入到最终的抓取检测模型中,得到检测结果。本发明采用状态空间模型建立了全局特征表达,降低了目标物背景及姿态、位置随机等非结构化场景影响,并结合概率模型提升了网络对抓取任务的理解,实现了更高精度的抓取检测。

本发明授权一种基于状态空间模型的抓取检测方法与系统在权利要求书中公布了:1.一种基于状态空间模型的抓取检测方法,其特征在于,包括如下步骤: S1、获取若干张包含目标物体的场景点云,对每张场景点云分别进行标注,得到带有目标物体抓取姿态的标签数据集合,并按照设定比例将标签数据集合划分为训练集和测试集; S2、搭建基于状态空间模型的抓取检测模型,抓取检测模型包含依次连接的特征编码模块、特征融合模块、潜在分布模块以及抓取参数估计模块; S3、利用训练集对抓取检测模型进行训练,设置总损失函数,并依据抓取检测模型的预测结果与标签数据集合计算总损失,并依据总损失调整抓取检测模型的权重,最小化总损失,直至达到设定的迭代停止条件; S4、利用测试集对训练后的抓取检测模型进行评估,保存在测试集表现最好的模型参数作为最终的抓取检测模型,将现实中的包含目标物体的场景点云输入到最终的抓取检测模型中,得到检测结果; 所述特征编码模块包括依次连接的点集分组块和特征聚拢块,其中点集分组块用于按照输入点云中各点与随机采样得到的锚点的距离大小对输入点云中的点进行分组,特征聚拢块用于融合各组点集特征,把将当前点集特征作为当前锚点特征值; 所述特征融合模块包括归一层、前向状态空间模型、后向状态空间模型以及投影层组成; 前向状态空间模型包括依次连接的一维卷积层和状态空间模型层;后向状态空间模型包括依次连接的一维卷积层和状态空间模型层;投影层包含一个全连接层; 所述潜在分布模块包含先验分布计算块、后验分布计算块以及潜在变量采样块; 所述先验分布计算块包括依次连接的三层先验分布计算子模块,每层先验分布计算子模块均包括依次连接的一维卷积层一、批归一化层一、映射层一;映射层一为一个一维卷积层; 所述后验分布计算块包括依次连接的一维卷积层、三层后验分布计算子模块以及映射层二,其中,每层后验分布计算子模块包括一维卷积层二、批归一化层二,映射层二为一个一维卷积层; 所述抓取参数估计模块包含依次连接的一维卷积层、随机失活层、一维卷积层; 所述S3具体包括如下步骤: S31、从训练集中任意选择一张包含目标物体的场景点云,使用采样手段从所选的场景点云中采样个点,得到输入点云 S32、将输入点云输入到特征编码模块中,特征编码模块内的点集分组块计算输入点云中各点与随机采样得到的锚点的距离大小,并根据计算结果对输入点云中的点进行分组;然后特征聚拢块融合各组点集特征,并将当前点集特征作为当前锚点特征值,得到特征数据 S33、将特征数据输入到特征融合模块进行特征建模,特征融合模块中的前向状态空间模型、后向状态空间模型捕捉不同距离的点云特征关联,输出特征信息 S34、将特征信息和带有目标物体抓取姿态的标签数据集合输入到潜在分布模块中,先验分布计算块将特征信息映射为以均值和方差表示的先验分布,后验分布计算块拼接特征信息和带有目标物体抓取姿态的标签数据集合,并将拼接结果映射为以均值和方差表示的后验分布;潜在变量采样块通过重参数化手段采样先验分布,生成潜在变量z; S35、抓取参数估计模块接收特征信息和潜在变量z,并输出抓取检测模型的预测结果,预测结果包含预测的夹爪接触点对、预测的夹爪旋转角度、预测的抓取姿态质量分数以及预测的抓取姿态容忍度,预测的夹爪接触点对为两个接触点,其中一个接触点为当前采样点,另一个接触点为抓取检测模型预测得到的接触点。

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湖南大学,其通讯地址为:410082 湖南省长沙市岳麓区麓山南路1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。

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。