申请/专利权人：长春工业大学

申请日：2023-11-13

公开（公告）日：2024-03-01

公开（公告）号：CN117635707A

主分类号：G06T7/73

分类号：G06T7/73;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明涉及计算机与机械领域交叉的位姿测量技术，具体为一种基于深度学习的大型舱段位姿测量算法。通过在舱段一侧设立靶标点，运用基于注意力机制的YOLOv5目标检测算法和UPnP算法进行位姿测量计算，以提高位姿测量的准确性和可靠性。我们设置舱段侧靶标点，利用舱段刚体特性避免视野范围限制，采用基于深度学习的YOLOv5目标检测算法，确保可靠测量结果。为提高精度，我们加入注意力机制，建立精细靶标数据集进行训练，采用衍生变形算法UPnP，无需标定流程，减小误差。运用高性能计算设备和优化算法，采用高效数据结构和并行计算技术，减少计算量，提高运行速度，保证实时性要求。

主权项：1.基于深度学习的大型舱段位姿测量算法，其包括如下步骤：步骤一、在舱段的一侧正确放置靶标，靶标的尺寸为100mmx200mm，并按照3列7行的方式排列，共有21个关键点。这样设计靶标能够提供更多的参考信息，增强位姿测量的准确性。步骤二、建立1:1的靶标数据集，其中一部分用于训练算法模型，另一部分用于测试算法的性能。通过对大量的靶标图像进行标注和数据处理，构建出丰富多样的训练数据，以提高算法的泛化能力和准确性。步骤三、在YOLOv5模型中添加注意力机制模块，并以靶标数据集为训练集进行训练。该模块的作用是识别靶标上的关键点中心坐标。通过深度学习技术，算法能够学习到靶标关键点的特征表示，并准确地定位各个关键点的中心坐标。步骤四、通过UPnPUncalibratedPerspective-n-Point.算法进行最后的位姿结算。UPnP算法是一种用于计算平面姿态的解算方法，可以根据靶标上关键点的位置信息和相机参数，估计出舱段的位姿信息。该算法考虑了靶标的平面特性和相机的投影映射关系，能有效地解决大型舱段位姿测量中的内外参标定问题。

全文数据：

权利要求：

百度查询： 长春工业大学 基于深度学习的大型舱段位姿测量算法

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。

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