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！

龙图腾网获悉大连理工大学申请的专利一种基于可学习先验扩散模型的类级别物体位姿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：CN119600113B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510004449.3，技术领域涉及：G06T7/73；该发明授权一种基于可学习先验扩散模型的类级别物体位姿估计方法是由周溢钒;孙怡设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本一种基于可学习先验扩散模型的类级别物体位姿估计方法在说明书摘要公布了：本发明属于三维感知技术领域，公开了一种基于可学习先验扩散模型的类级别物体位姿估计方法。本发明在训练过程中，可学习先验特征的参数能够动态更新，无需采集特定类别三维模型，有效提高了网络对类别信息的学习能力。本方法引入了Transformer扩散模型，并结合位置编码模块，增强了网络对物体三维信息的理解能力，从而提高了物体姿态估计的准确性。针对具有对称性的物体，本发明从物体位姿的概率分布出发，巧妙应对因对称性导致的多个可能姿态解的复杂性问题，有效避免了对称性对姿态估计的干扰，显著提升了网络在此类物体上的估计性能。本发明提供了一种高效、精准的姿态估计方法，为智能机器人抓取提供了可靠的技术支持。

本发明授权一种基于可学习先验扩散模型的类级别物体位姿估计方法在权利要求书中公布了：1.一种基于可学习先验扩散模型的类级别物体位姿估计方法，其特征在于，具体步骤如下： 步骤1：构建物体位姿估计数据集收集足够数量的同类的目标物体，拍摄其深度图像和RGB图像，并对目标物体的位姿与尺寸进行标注；随后，对目标物体进行分割提取，将分割提取后的图像构建数据集，为后续物体位姿估计模型的参数训练提供数据支持； 步骤2：搭建物体位姿估计模型1构建位姿预测模型：位姿预测模型负责预测目标物体位姿的概率分布，并输出一组候选物体位姿；位姿预测模型包括DINO v2模块、PointNet++模块、位置编码模块、先验特征模块、位姿编码模块、时间编码模块和噪声预测模块； 2构建位姿评分模型：位姿评分模型的结构与位姿预测模型一致，其不同之处在于： 位姿评分模型预测位姿预测模型预测的物体候选位姿的似然概率，并输出对应的位姿评分； 3构建位姿聚合模型：位姿聚合模型根据位姿评分模型输出的位姿评分，对位姿预测模型预测的物体候选位姿进行筛选，去除评分较低的异常位姿；随后，采用聚类算法对保留的物体候选位姿进行分类，其中物体候选位姿数量最多的类别被视为正确的位姿类型；最后，位姿聚合模型通过均值池化计算正确位姿类型的平均位姿，并将其作为模型输出的最终物体位姿； 4构建尺寸预测模型：尺寸预测模型通过目标物体点云特征预测目标物体的长、宽、高三维尺寸信息；尺寸预测模型以位姿预测模型中PointNet++模块输出的点云特征为输入，经过多层MLP网络，感知目标物体的缩放属性，最终完成三维尺寸的预测； 步骤3：训练物体位姿估计模型物体位姿估计模型中的位姿预测模型、位姿评分模型和尺寸预测模型均包含可学习参数，需按照预定顺序依次完成训练；应先训练位姿预测模型，随后固定其网络参数，再依次训练位姿评分模型和尺寸预测模型； 步骤4：在线运行流程当在线部署时，首先根据步骤1获取目标物体的深度图像和RGB图像数据集；随后，按照步骤2和步骤3搭建物体位姿估计模型，并利用步骤1中获取的数据集对模型中的位姿预测模型、位姿评分模型和尺寸预测模型进行训练；训练完成后，固定模型参数，模型即可用于在线物体位姿估计。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。

以上内容由龙图腾AI智能生成。