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！

龙图腾网获悉江苏科技大学申请的专利一种基于深度学习与合成数据的弱纹理物体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：CN117218192B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202311103136.0，技术领域涉及：G06T7/73；该发明授权一种基于深度学习与合成数据的弱纹理物体位姿估计方法是由郑天宇;张胜文;舒瑞;张春燕;程德俊设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本一种基于深度学习与合成数据的弱纹理物体位姿估计方法在说明书摘要公布了：本发明公开一种基于深度学习与合成数据的弱纹理物体位姿估计方法，对无纹理CAD模型进行渲染得到合成数据，经过融合CBAM模块的5层卷积层组成的自编码器网络得到位姿潜在特征提取网络，制作成码本，将真实测试图像输入到改进的MaskR‑CNN实例分割网络得到包围框信息；对包围框信息进行裁剪，输入位姿潜在特征提取网络得到潜在特征向量；根据潜在特征向量与模板潜在向量计算出余弦相似度，采用k近邻算法得到3D旋转位姿；根据真实测试图像中CAD模型数据的边界框信息得到z轴平移量估计值，采用图像坐标系与相机坐标系的转化关系式得到x轴和y轴上的平移量；提高了网络表达特征的能力，降低计算复杂度，在减少模型参数量的同时提高6D位姿估计识别精度。

本发明授权一种基于深度学习与合成数据的弱纹理物体位姿估计方法在权利要求书中公布了：1.一种基于深度学习与合成数据的弱纹理物体位姿估计方法，获取若干无纹理的物体的T-LESS数据集，得到每个物体的无纹理CAD模型，其特征是包括以下步骤： 步骤1：对无纹理CAD模型进行渲染得到合成数据以及每个数据对应的边界框信息； 步骤2：对物体6D位姿解耦为一个旋转位姿和一个平移量的组合，所述的合成数据中的每个数据都对应于一个旋转位姿和平移量； 步骤3：所述的合成数据经过融合CBAM模块的5层卷积层组成的自编码器网络，得到模板潜在向量zi，再经过5层反卷积层，完成一次完整的迭代，训练得到位姿潜在特征提取网络，将所述的合成数据输入该位姿潜在特征提取网络制作成码本，码本中的模板潜在向量zi与合成数据中每个数据对应的旋转位姿一一对应； 步骤4：将真实测试图像输入到融合SwinTransformer的改进的MaskR-CNN实例分割网络，得到特征图，对特征图中的每一点设定预定的ROI，ROI经RPN过滤得到候选ROI，对候选ROI进行ROIAlign，得到包围框信息； 步骤5对步骤4中所述的包围框信息进行裁剪，输入步骤3中所述的位姿潜在特征提取网络，得到对应的潜在特征向量ztest； 步骤6：根据所述的潜在特征向量ztest与所述的模板潜在向量zi计算出余弦相似度，再采用k近邻算法寻找与物体图像姿态最接近的k个模板，这k个模板对应的姿态就是物体图像的3D旋转位姿； 步骤7：先根据真实测试图像中物体对应的合成数据中的CAD模型数据的边界框信息以及步骤4中所述的包围框信息得到z轴平移量的估计值，再采用图像坐标系与相机坐标系的转化关系式得到真实测试图像中物体在x轴和y轴上的平移量。

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江苏科技大学，其通讯地址为：212003 江苏省镇江市梦溪路2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。