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！

龙图腾网获悉济南大学申请的专利PVNet和双分支特征融合的物体位姿检测方法及装置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：CN120747226B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511134560.0，技术领域涉及：G06T7/73；该发明授权PVNet和双分支特征融合的物体位姿检测方法及装置是由张永峰;苏凯;丁冬睿;陈月辉;刘吉龙;李佩庚;韩子涵;陈星;刘志豪;张笑宇设计研发完成，并于2025-08-14向国家知识产权局提交的专利申请。

本PVNet和双分支特征融合的物体位姿检测方法及装置在说明书摘要公布了：本发明的一种基于PVNet和双分支特征融合的物体位姿检测方法及装置，属于计算机视觉与物体位姿检测技术领域，方法包括步骤：通过相机获取待检测物体的二维图像，将二维图像输入插入双分支特征融合模块的CNN网络生成待检测物体的语义分割图像，所述插入双分支特征融合模块的CNN网络包括基础架构和双分支特征融合模块；将所述语义分割图像进行像素化投票，预测生成待检测物体的二维特征点；将预测的二维特征点和已知的待检测物体三维关键点代入不确定性驱动的PnP算法，计算物体的6D位姿参数。本发明增强了图像语义特征与空间细节的融合能力，显著提升了复杂场景下物体位姿检测的精度和鲁棒性。

本发明授权PVNet和双分支特征融合的物体位姿检测方法及装置在权利要求书中公布了：1.一种PVNet和双分支特征融合的物体位姿检测方法，其特征在于，包括如下步骤： 步骤S1，通过相机获取待检测物体的二维图像，将二维图像输入插入双分支特征融合模块的CNN网络生成待检测物体的语义分割图像，所述插入双分支特征融合模块的CNN网络包括基础架构和双分支特征融合模块，所述基础架构采用全卷积神经网络作为基础语义分割框架，以ResNet作为编码器-解码器结构的特征提取主干网络；所述双分支特征融合模块包括全局上下文提取路径、空间信息提取路径，以及双分支信息融合及特征重校准机制； 步骤S2，将所述语义分割图像进行像素化投票，预测生成待检测物体的二维特征点； 步骤S3，将预测的二维特征点和已知的待检测物体三维关键点代入不确定性驱动的PnP算法，计算物体的6D位姿参数； 所述不确定性驱动的PnP算法具体包括以下步骤： 步骤S31，初始化： 输入预测的二维关键点均值及其协方差矩阵，已知的三维关键点，相机内参矩阵K； 初始化位姿参数，采用EPnP或RANSAC传统算法获得初始解； 步骤S32，迭代优化： 对于第i次迭代，执行以下子步骤： 步骤S321，投影计算：将三维关键点通过当前位姿投影到图像平面： ； 步骤S322，误差计算：计算投影点与预测二维关键点之间的残差向量：； 步骤S323，权重计算：根据残差向量和协方差矩阵计算马氏距离：； 步骤S324，加权最小二乘求解：构建加权误差函数： ， 其中权重，为防止分母为零的小常数； 步骤S325，位姿更新：使用Levenberg-Marquardt算法求解误差函数的最小值，更新位姿参数： ； 所述位姿更新步骤具体包括： 将当前旋转矩阵转换为旋转向量； 计算位姿增量： ， 其中为雅可比矩阵，为对角权重矩阵，为残差向量； 更新旋转向量和平移向量： ； 通过指数映射将更新后的旋转向量转换为旋转矩阵： ； 步骤S326，终止条件判断： 当迭代次数达到预设最大值，或位姿更新量小于阈值时，终止迭代；输出最终位姿参数。

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济南大学，其通讯地址为：250000 山东省济南市市中区南辛庄西路336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。