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！

龙图腾网获悉常州大学申请的专利基于相机的渐进式特征分布采样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：CN117078753B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202310995879.7，技术领域涉及：G06T7/73；该发明授权基于相机的渐进式特征分布采样6D位姿估计方法及系统是由邹凌;盛永发;吴晶华;吕继东设计研发完成，并于2023-08-09向国家知识产权局提交的专利申请。

本基于相机的渐进式特征分布采样6D位姿估计方法及系统在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及基于相机的渐进式特征分布采样6D位姿估计方法及系统，包括利用Unet++的多层渐进式特征采样网络获得密集的像素点；运用图卷积解析三维模型表面点特征，形成图像像素点与表面点的对应分布关系；通过查询模型计算图像像素坐标点集特征对应键的概率分布，得到图像像素坐标对应三维表面的掩码概率；计算估计最佳概率分布值；对生成的每个假设进行评分投票；根据表面分布对所得到的最佳投票评分姿态假设进行细化，得到目标最终姿态估计位姿。本发明解决仅使用RGB数据时，对目标对象进行位姿估计的稳定性和准确性不高以及针对三维模型表面特征采样存在非规则特征时准确性不高的问题。

本发明授权基于相机的渐进式特征分布采样6D位姿估计方法及系统在权利要求书中公布了：1.基于相机的渐进式特征分布采样6D位姿估计方法，其特征在于，包括以下步骤： 步骤一、利用单目RGB相机采集的图像，将图像输入Unet++的多层渐进式特征采样网络获得密集的像素点；运用图卷积解析三维模型表面点特征，形成图像像素点与表面点的对应分布关系； 步骤一具体包括： 步骤11、使用单目RGB相机采集场景图像； 步骤12、Unet++的多层渐进式特征采样网络是通过多层下采样和上采样操作，及与之对应的编码器进行多层特征拼接构成解码器； 步骤13、对RGB图像增加噪声并进行深度学习，获得密集的像素级表面分布特征； 步骤14、通过全连接网络，将三维模型的表面点映射到键模型，再将像素点映射到查询模型； 步骤15、对3D模型表面均匀采样分类，运用图卷积网络解析3D模型表面图的结构信息，得到了三维模型表面分类点集； 运用图卷积解析三维模型表面点特征的公式为： 1 式中，矩阵A为NxN维的矩阵，N为图数据表面点数；为A的集合；为的度矩阵，H是对应表面点的特征；是非线性激活函数； 步骤16、计算像素嵌入损失； 步骤17、在对象表面均匀采样特征并进行归一化，得到估计概率密度函数； 步骤18、通过训练学习，得到像素点特征与表面点特征的对应分布关系； 步骤二、通过抽样姿势假设，基于对应分布的连续性，对图像上任何点进行评估，通过查询模型计算图像像素坐标点集特征对应键的概率分布，并与掩码概率相乘，得到图像像素坐标对应三维表面的掩码概率； 图像像素坐标对应三维表面的掩码概率的公式为： 4 其中，c表示图像像素对象坐标，u为图像像素坐标，I为图像像素坐标总组数，为2D-3D对应分布与测试图像的对应概率，为图像像素坐标点集特征对应键的概率分布； 步骤三、计算估计最佳概率分布值；基于PNP-RANSAC算法，对生成的每个假设进行评分投票； 步骤三具体包括： 步骤31、计算估计掩码平均对数分数； 步骤32、计算估计对应分布平均对数分数； 步骤33、利用最大熵原理，根据估计掩码平均对数分数与估计对应分布平均对数分数计算估计最佳概率分布值，并对估计最佳概率分布值进行最大池化； 步骤34、基于PNP-RANSAC算法，将物体坐标投影到图像中，选择每个像素最接近相机的物体坐标； 步骤四、根据表面分布对所得到的最佳投票评分姿态假设进行细化，得到目标最终姿态估计位姿； 步骤四具体包括： 首先在初始姿态假设下渲染可见物体坐标，将目标坐标投影到当前姿态下的图像中，对查询模型中的某个点进行双线性插值采样，并进行分子求值；对所有查询模型中的所有点进行双线性插值采样，得到分母值，并计算对应分数，对对应分数的局部最大化，提炼出得分最佳的位姿假设。

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常州大学，其通讯地址为：213100 江苏省常州市武进区湖塘镇滆湖中路21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。