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！

龙图腾网获悉浙江大学申请的专利一种针对未训练目标的可泛化6D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：CN119205918B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411282577.6，技术领域涉及：G06T7/73；该发明授权一种针对未训练目标的可泛化6D位姿估计方法是由刘达新;许嘉通;刘振宇;王祺德;谭建荣设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种针对未训练目标的可泛化6D位姿估计方法在说明书摘要公布了：本发明公开了一种针对未训练目标的可泛化6D位姿估计方法。本发明包括：利用由多类别3D模型渲染获得的深度图像组成的训练数据集对6D位姿估计网络进行预训练；离线阶段，利用预训练的网络与目标物3D模型为未训练目标物体生成几何先验知识库；利用观测相机Co观测未训练目标物体后获得原始深度图像，再结合几何先验知识库Q，通过预训练的6D位姿估计网络对原始深度图像进行6D位姿的估计后，获得当前未训练目标物体的6D位姿估计结果。本发明实现了针对未训练目标的可泛化6D位姿估计，解决了视点编码不精确、先验信息视角与观测信息视角不统一带来的问题，能够在不调整任何预训练网络参数的情况下实现对未训练目标高效、精确的6D位姿估计。

本发明授权一种针对未训练目标的可泛化6D位姿估计方法在权利要求书中公布了：1.一种针对未训练目标的可泛化6D位姿估计方法，其特征在于，包括以下步骤： S1：构建6D位姿估计网络，所述6D位姿估计网络包括依次相连的特征提取网络、视点编码器、视点交互注意力模块和面内旋转预测头，利用由多类别3D模型渲染获得的深度图像组成的训练数据集对6D位姿估计网络进行预训练后，获得预训练的6D位姿估计网络； S2：离线阶段，对未训练目标物体的已知3D模型进行多视点深度参考图像渲染后获得对应的多视点深度参考图像，视点个数为N，接着将多视点深度参考图像进行尺度缩放和裁剪后再送入预训练的特征提取网络和视点编码器，得到先验视点特征符集由深度参考图像和该深度参考图像的3D模型相对于虚拟相机的面外旋转量以及在先验视点特征符集中对应的先验视点特征符组成几何先验知识库Q； S3：推测阶段，利用已知内参的观测相机Co观测未训练目标物体后获得原始深度图像，再结合几何先验知识库Q，通过预训练的6D位姿估计网络对原始深度图像进行6D位姿的估计后，获得当前未训练目标物体的6D位姿估计结果； 所述S3具体为： S31：在线阶段，利用已知内参的观测相机Co观测未训练目标物体后获得观测深度图，对观测深度图进行目标分割和图像预处理后，获得处理后的深度图； S32：将处理后的深度图输入到预训练的特征提取网络和视点编码器中，得到观测特征图Fo和观测视点特征符vo； S33：将观测视点特征符vo和先验视点特征符集一起输入到预训练的视点交互注意力模块中进行特征交流与优化后，获得优化后的观测视点特征符v′o与优化后的先验视点特征符集更新几何先验知识库并记为Q′； S34：首先，利用模板匹配方法在几何先验知识库Q′中检索与优化后的观测视点特征符v′o最为接近的先验视点特征符，将该先验视点特征符作为匹配对象以及将匹配对象对应深度参考图像记为匹配参考图像再将匹配参考图像的面外旋转量作为观测深度图中未训练目标物体的初始面外旋转量估计接着根据观测特征图Fo与匹配参考图像计算观测深度图中未训练目标物体的面内旋转量和位移分量从而得到观测深度图中未训练目标物体的初始6D位姿估计结果； S35：对观测深度图中未训练目标物体的初始6D位姿估计结果进行非统一视角的对齐，得到最终的6D位姿估计结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。