申请/专利权人：北京航空航天大学

申请日：2022-08-31

公开（公告）日：2022-12-02

公开（公告）号：CN115420277A

主分类号：G01C21/00

分类号：G01C21/00;G06V10/26;G06V10/44;G06V10/82;G06N3/04;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.12.20#实质审查的生效;2022.12.02#公开

摘要：本发明提供了一种物体位姿测量方法及电子设备，涉及位姿测量技术领域，方法包括获取物体位姿图像；将物体位姿图像输入到目标局部图像提取模块，得到待测目标区域；根据待测目标区域裁剪物体位姿图像，得到目标局部图像；将目标局部图像输入到法矢量特征预测模块，得到多种法矢量特征；将目标局部图像的坐标数据和多种位姿图像特征均输入到位姿回归模型中，得到物体的异中心化姿态和尺度不相关位置；本发明通过构建目标局部图像提取模块、法矢量特征预测模块和位姿回归模型，提取物体位姿单幅图像的法矢量特征求解位姿，能够提高位姿的确定精度。

主权项：1.一种物体位姿测量方法，其特征在于，包括：获取物体位姿图像；将所述物体位姿图像输入到目标局部图像提取模块，得到待测目标区域；所述目标局部图像提取模块是利用物体位姿标注历史图像，对YOLOV3神经网络进行训练得到的；根据所述待测目标区域裁剪所述物体位姿图像，得到目标局部图像；将所述目标局部图像输入到法矢量特征预测模块，得到多种法矢量特征；所述法矢量特征包括：静态法矢量场、异中心化动态法矢量场、区域注意力特征和分割掩码；所述法矢量特征预测模块包括训练后的轻量级ResNet-34骨干网络和训练后的第一卷积神经网络；所述训练后的轻量级ResNet-34骨干网络和训练后的第一卷积神经网络是通过目标局部历史图像，以及目标局部历史图像对应的多种法矢量特征进行训练得到的；将目标局部图像的坐标数据和多种所述位姿图像特征均输入到位姿回归模型中，得到物体的异中心化姿态和尺度不相关位置；所述位姿回归模型是根据目标局部历史图像的坐标数据和多种所述位姿图像特征，对第二卷积神经网络进行训练得到的。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种物体位姿测量方法及电子设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD