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！

龙图腾网获悉山东大学申请的专利基于全局和局部信息的像素级抓取位姿检测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：CN115526935B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202211190519.1，技术领域涉及：G06T7/73；该发明授权基于全局和局部信息的像素级抓取位姿检测方法及系统是由常发亮;杨如瑞;刘春生;王德鑫;郇恒强设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本基于全局和局部信息的像素级抓取位姿检测方法及系统在说明书摘要公布了：本发明公开了基于全局和局部信息的像素级抓取位姿检测方法及系统；其中所述方法包括：获取场景图像，并对场景图像进行预处理；将预处理后的场景图像，输入到训练后的像素级抓取位姿检测网络中，输出每个像素点的平面抓取位姿，经过位姿转换关系，将平面抓取位姿映射到现实场景，由机械臂实现目标对象的抓取；其中，训练后的像素级抓取位姿检测网络，其工作原理包括：对场景图像进行特征提取，得到图像特征；对提取的图像特征进行降噪处理；对降噪处理后的图特征进行特征融合，得到包含不同感受野的特征图；对包含不同感受野的特征图进行分类预测，输出每个像素点的平面抓取位姿。

本发明授权基于全局和局部信息的像素级抓取位姿检测方法及系统在权利要求书中公布了：1.基于全局和局部信息的像素级抓取位姿检测方法，其特征是，包括： 获取场景图像，并对场景图像进行预处理； 将预处理后的场景图像，输入到训练后的像素级抓取位姿检测网络中，输出每个像素点的平面抓取位姿，经过位姿转换关系，将平面抓取位姿映射到现实场景，由机械臂实现目标对象的抓取； 其中，训练后的像素级抓取位姿检测网络，其工作原理包括：对场景图像进行特征提取，得到图像特征；对提取的图像特征进行降噪处理；对降噪处理后的图特征进行特征融合，得到包含不同感受野的特征图；对包含不同感受野的特征图进行分类预测，输出每个像素点的平面抓取位姿； 训练后的像素级抓取位姿检测网络，其网络结构包括： 依次连接的骨干网络、去噪网络、特征融合网络和解码器； 所述骨干网络采用改进后的SwinTransformer网络来实现； 所述改进后的SwinTransformer网络，是将SwinTransformer网络的SwinTransformerBlock均替换为第一改进后的SwinTransformerBlock； 其中，第一改进后的SwinTransformerBlock，包括： 依次连接的第一基本单元和第二基本单元； 所述第一基本单元，包括：依次连次连接的第一层归一化层LN、窗多头自注意力机制层、加法器J1、第二层归一化层LN、第一改进FFN模块和加法器J2；其中，加法器J1的输入端与第一层归一化层LN的输入端残差连接；加法器J2的输入端与第二层归一化层LN的输入端残差连接； 所述第二基本单元，包括：依次连次连接的第三层归一化层LN、移位窗多头自注意力机制层、加法器J3、第四层归一化层LN、第二改进FFN模块和加法器J4；其中，加法器J3的输入端与第三层归一化层LN的输入端残差连接；加法器J4的输入端与第四层归一化层LN的输入端残差连接； 第一层归一化层LN的输入端作为第一改进后的SwinTransformerBlock的输入端；加法器J4的输出端作为第一改进后的SwinTransformerBlock的输出端；加法器J2的输出端与第三层归一化层LN的输入端连接； 第一改进FFN模块与第二改进FFN的内部结构是一致的； 所述第一改进FFN模块，包括： 依次连接的1*1的卷积层C1、维度变换Reshape层R1、3*3的深度可分离卷积Depth-wise层C2、维度变换Reshape层R2和卷积层C3。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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”。