龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：深圳辰视智能科技有限公司
申请日：2020-12-31
公开（公告）日：2024-05-17
公开（公告）号：CN112733921B
主分类号：G06V10/774
分类号：G06V10/774;G06V10/77;G06V10/82;G06N3/0464;G06N3/084
优先权：
专利状态码：有效-授权
法律状态：2024.05.17#授权;2021.05.21#实质审查的生效;2021.04.30#公开
摘要：本发明公开了一种预测刚体6D姿态的神经网络损失函数计算方法及系统，包括使用神经网络从6D姿态的刚体图像中获取图像特征；计算图像特征对应的6D姿态真实值与网络预测值的6D姿态之间的欧式距离；通过比较欧式距离与预设阈值的大小，判定图像中刚体样本类别，确定各类样本之间的样本损失函数；为样本添加权重相关因子，并采用神经网络反向传播算法，通过带权重的样本损失函数，更新神经网络参数。上述方案利用给不同难易预测的物体赋予不同的权重，达到提高网络收敛速度，提高准确率的效果。
主权项：1.一种预测刚体6D姿态的神经网络损失函数计算方法，其特征在于，所述方法包括如下步骤：使用神经网络从6D姿态的刚体图像中获取图像特征；计算所述图像特征对应的真实值与网络预测值之间的欧式距离；通过比较所述欧式距离与预设阈值的大小，判定图像中刚体样本类别，确定各类样本之间的样本损失函数；为所述样本添加权重相关因子，并采用神经网络反向传播算法，通过带权重的样本损失函数，更新神经网络参数；根据下式计算图像特征对应的真实值与网络预测值之间欧式距离： 式中，x为3D点，R与t为真实值对应的旋转矩阵与平移向量，与为预测值的旋转矩阵与平移向量；通过下式比较所述欧式距离与预设阈值的大小： 式中，f表示dis,α,β之间的函数映射关系，α,β为阈值参数；通过下式确定带权重的样本损失函数： 式中，为带权重的非对称物体姿态的估计损失函数，为带权重的对称物体姿态估计损失函数；xj为模型点云中的序号为j的3D点，xk为评估模型上的序号为k的3D点，R与t为真实值对应的旋转矩阵与平移向量，与为预测值得旋转矩阵与平移向量，M为3D点个数。
全文数据：
权利要求：
百度查询： 深圳辰视智能科技有限公司 一种预测刚体6D姿态的神经网络损失函数计算方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号