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！

龙图腾网获悉东南大学申请的专利一种基于几何信息增强的类别级6D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：CN118261979B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202410445701.X，技术领域涉及：G06T7/73；该发明授权一种基于几何信息增强的类别级6D姿态估计方法是由姚莉;董汇设计研发完成，并于2024-04-15向国家知识产权局提交的专利申请。

本一种基于几何信息增强的类别级6D姿态估计方法在说明书摘要公布了：一种基于几何信息增强的类别级6D姿态估计方法，引入法向角图作为额外深度表征，设计深度几何信息增强模块融合物体的几何特征和外观纹理特征，从而促使姿态估计模型更好的感知物体几何形状信息；此外引入类别形状先验并自适应的匹配目标实例的几何形变，以此克服同一类别下不同物体的巨大类内差异对模型预测精确度和泛化性的影响。首先对输入的单张RGB‑D图像进行实例分割得到目标实例的信息，结合深度图计算出法向角图以及实例在三维空间的点云，并根据实例的所在类别输入对应的类别形状先验；基于一种多分支的网络结构，分别融合实例几何特征和类别先验特征，进而重建出目标实例在标准化物体坐标空间下的三维点云；最后解算出目标物体的姿态信息。

本发明授权一种基于几何信息增强的类别级6D姿态估计方法在权利要求书中公布了：1.一种基于几何信息增强的类别级6D姿态估计方法，包括预处理阶段、特征编码阶段和姿态估计阶段，其特征在于，各阶段如下： 1预处理阶段： 对输入的RGB-D图像进行一系列处理，得到物体实例的外观信息和深度几何信息，并获取对应类别的形状先验信息； 2特征编码阶段： 通过多分支特征提取网络对预处理得到的输入分别进行特征提取，使用设计的深度几何信息增强模块增强网络对实例的几何特征和外观特征的感知，并且进一步利用类别形状先验提供的类别共享特征与实例几何信息进行结构互补融合，从而有效重建目标实例在标准化坐标空间的三维点云； 步骤2训练阶段具体包括如下步骤： 步骤2.1：通过多分支特征提取网络分别提取实例的几何特征、以及图像特征、类别形状先验的几何特征； 步骤2.2：通过设计的深度几何信息增强模块，融合物体表面局部几何特征，并引导自适应调整实例外观特征，并将输出的实例外观特征融合与点云特征相融合，得到几何信息增强后的实例特征； 步骤2.3：通过互注意力机制将类别形状先验和实例点云结构差异进行互补传播，获取能够感知类别形状先验整体结构信息的实例点云特征，以及能够感知实例多样化结构信息的类别几何特征； 步骤2.4：利用形变预测网络得到实例相对于类别形状先验的形变场特征，对类别几何特征进行变形，从而获得目标实例完整的点云特征，进一步通过多层感知器得到实例完整点云，计算实例完整点云重建误差； 步驟2.5：将目标实例特征与完整点云特征在通道维度进行拼接，然后通过多层感知器预测相关性矩阵，公式如下； ； 步骤2.6：根据相关性矩阵以及目标实例完整点云，计算实例在标准化坐标空间的重建误差，通过矩阵乘法获取目标实例在标准化坐标空间下的坐标及其对应的深度特征， ； ； 步骤2.7：损失函数引入了针对标准化坐标空间点云的平滑L1重建损失： ； 其中表示中的一个坐标预测值，表示真实值； 3姿态估计阶段： 特征编码阶段完成后，得到物体实例在观察空间和标准化物体空间下的密集点云特征，建模二者的对应关系并进一步获取姿态敏感特征，最后，通过多层感知器解码得到目标实例的6D姿态与尺寸。

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东南大学，其通讯地址为：210000 江苏省南京市江宁区东南大学路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。