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！

龙图腾网获悉电子科技大学申请的专利一种基于深度学习的语义部件姿态估计方法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：CN117218343B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202311164549.X，技术领域涉及：G06V10/26；该发明授权一种基于深度学习的语义部件姿态估计方法是由杨路;欧阳东设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本一种基于深度学习的语义部件姿态估计方法在说明书摘要公布了：本发明公开一种基于深度学习的语义部件姿态估计方法，提出了SURF‑FPS算法与CPFNet模型，SURF‑FPS算法为联合SURF算法的物体模型三维关键点采样方法，用于数据预处理阶段，能够综合考虑物体的几何特征与潜在的表面纹理特征，使选取的物体关键点更加具有稳定的特征代表性；CPFNet模型可以充分利用样本的RGB图像和深度信息，在各编码层与解码层之间进行图像信息与点云信息之间的高维度特征融合；点云特征编码模块通过将点云的空间信息与对应的高维度特征信息合并处理，该模块能够较完整地提取目标物体的上下文部件特征，并且在后续的注意力模块中进行全局信息的融合，从而利用特征更加明显的关键部件来综合提升姿态估计的效果。

本发明授权一种基于深度学习的语义部件姿态估计方法在权利要求书中公布了：1.一种基于深度学习的语义部件姿态估计方法，其特征在于，包括以下步骤： 步骤1：根据现有的物体原始模型的数据集构建可用于姿态估计的部件级物体姿态估计数据集，且选取具有可分离结构的模型作为目标模型； 步骤2：考虑目标模型的几何特征信息和潜在的表面纹理信息，采用SURF-FPS算法选取行目标模型三维关键点； 步骤3：基于目标模型三维关键点构建物体6D姿态估计网络模型CPFNet，采用包含注意力机制的Transformer结构作为网络模型的架构，在Transformer的点云特征编码模块中对于输入的点云空间数据与相应的多维特征数据，首先进行能够代表物体部件的局部上下文特征的增强，再将增强后的各部件特征输送至注意力机制模块进行总体的特征整合与提取； 并且在图像特征和点云特征的编码模块与解码模块之间加入图像与点云双向融合模块，使得RGB图像信息与深度点云信息融合时不仅考虑点云的空间位置，同时还充分利用前述点云特征编码模块给出的点云综合特征； 在获取包含样本所有综合特征的特征向量之后，在部件级自适应姿态回归模块中使用实例语义分割模块、实例中心点投票模块和关键点检测模块进行处理，并使用最小二乘法拟合出目标物体的姿态。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。