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！

龙图腾网恭喜深空探测实验室(天都实验室)申请的专利基于动态关键点检测的类别级物体6D位姿估计方法及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：CN117456003B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202311546440.2，技术领域涉及：G06T7/77；该发明授权基于动态关键点检测的类别级物体6D位姿估计方法及系统是由张天柱;杨文飞;王诗良;张哲;潘晓扬;吴枫设计研发完成，并于2023-11-20向国家知识产权局提交的专利申请。

本基于动态关键点检测的类别级物体6D位姿估计方法及系统在说明书摘要公布了：本发明提供基于动态关键点检测的类别级物体6D位姿估计方法及系统，涉及计算机视觉领域。该基于动态关键点检测的类别级物体6D位姿估计方法，包括接收物体的图像数据，所述图像数据包括RDB图像和点云，所述点云通过结合相机内部参数将深度图中的像素经过随机采样后投影到场景中形成；分别提取RDB图像的图像特征和点云的点云特征，并将图像特征和点云特征进行拼接融合得到融合后的特征；将融合后的特征输入到预设的动态关键点检测网络提取物体的关键点；将所述关键点输入到预设的多尺度位姿预测网络中，输出最终的物体6D位姿。本方法可以自适应的从观测场景中提取物体的关键点，即使在场景存在较多噪声点，遮挡情况严重时也能达到较好的效果。

本发明授权基于动态关键点检测的类别级物体6D位姿估计方法及系统在权利要求书中公布了：1.一种基于动态关键点检测的类别级物体6D位姿估计方法，其特征在于，包括：接收物体的图像数据，所述图像数据包括RGB图像和点云，其中，所述点云通过结合相机内部参数将深度图中的像素经过随机采样后投影到场景中形成；分别提取RGB图像的图像特征和点云的点云特征，并将图像特征和点云特征进行拼接融合得到融合后的特征；将融合后的特征输入到预设的动态关键点检测网络提取物体的关键点，具体包括：引入注意力机制和TransformerLayer进行动态检测物体关键点，表示Ns个随机初始化并会随着训练过程不断更新的KPTquery，用于代表场景中的Ns个关键点；将代表不同关键点的query与从场景提取的融合后的特征ffusion∈RN×C通过crossattention层进行交互，并对KPTquety进行场景自适应的更新：f′kpt＝MHCAffusion；fkpt利用基于相似性的热度图生成策略，利用每个KPTquery与场景点计算相似性后，通过热度图加权的方式生成关键点的3D位置和3D特征：heatmap＝SoftmaxSimilarityf′kpt,ffusion 其中表征了每个关键点检测子在场景中的相似度计算的权重图，为最终检测的关键点坐标；将所述关键点输入到预设的多尺度位姿预测网络中，将局部结构信息聚合到关键点中得到具有多尺度信息的关键点，通过具有多尺度信息的关键点特征预测关键点在物体空间坐标系下的位置，并将输出的关键点在场景中的位置、关键点在场景中的特征以及关键点在物体空间坐标系下的位置和特征拼接后形成多组对应关系，通过多层感知机输出最终的物体6D位姿；所述将所述关键点输入到预设的多尺度位姿预测网络中，将局部结构信息聚合到关键点中得到具有多尺度信息的关键点，具体包括：对于每个检测到的3D关键点通过提取最近邻的场景点的融合特征，通过crossattention将局部结构信息聚合到关键点中： 其中，knn表示欧氏空间中的k-近邻点，index表示索引操作；所述通过具有多尺度信息的关键点特征预测关键点在物体空间坐标系下的位置，并将输出的关键点在场景中的位置、关键点在场景中的特征以及关键点在物体空间坐标系下的位置和特征拼接后形成多组对应关系，通过多层感知机输出最终的物体6D位姿，具体包括：通过关键点特征预测关键点在物体坐标空间下的位置： 并将输出的关键点在场景中的位置、关键点在场景中的特征以及关键点在物体空间坐标系下的位置和特征拼接后形成Ns组对应关系，通过多层感知机输出最终的物体6D位姿：

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深空探测实验室(天都实验室)，其通讯地址为：230088 安徽省合肥市高新区创新产业园三期A1栋10-13楼；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”。