買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉電子科技大學申請的專利一種基于深度學習的語義部件姿態估計方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117218343B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311164549.X，技術領域涉及：G06V10/26；該發明授權一種基于深度學習的語義部件姿態估計方法是由楊路;歐陽東設計研發完成，并于2023-09-11向國家知識產權局提交的專利申請。

本一種基于深度學習的語義部件姿態估計方法在說明書摘要公布了：本發明公開一種基于深度學習的語義部件姿態估計方法，提出了SURF?FPS算法與CPFNet模型，SURF?FPS算法為聯合SURF算法的物體模型三維關鍵點采樣方法，用于數據預處理階段，能夠綜合考慮物體的幾何特征與潛在的表面紋理特征，使選取的物體關鍵點更加具有穩定的特征代表性；CPFNet模型可以充分利用樣本的RGB圖像和深度信息，在各編碼層與解碼層之間進行圖像信息與點云信息之間的高維度特征融合；點云特征編碼模塊通過將點云的空間信息與對應的高維度特征信息合并處理，該模塊能夠較完整地提取目標物體的上下文部件特征，并且在后續的注意力模塊中進行全局信息的融合，從而利用特征更加明顯的關鍵部件來綜合提升姿態估計的效果。

本發明授權一種基于深度學習的語義部件姿態估計方法在權利要求書中公布了：1.一種基于深度學習的語義部件姿態估計方法，其特征在于，包括以下步驟： 步驟1：根據現有的物體原始模型的數據集構建可用于姿態估計的部件級物體姿態估計數據集，且選取具有可分離結構的模型作為目標模型； 步驟2：考慮目標模型的幾何特征信息和潛在的表面紋理信息，采用SURF-FPS算法選取行目標模型三維關鍵點； 步驟3：基于目標模型三維關鍵點構建物體6D姿態估計網絡模型CPFNet，采用包含注意力機制的Transformer結構作為網絡模型的架構，在Transformer的點云特征編碼模塊中對于輸入的點云空間數據與相應的多維特征數據，首先進行能夠代表物體部件的局部上下文特征的增強，再將增強后的各部件特征輸送至注意力機制模塊進行總體的特征整合與提取； 并且在圖像特征和點云特征的編碼模塊與解碼模塊之間加入圖像與點云雙向融合模塊，使得RGB圖像信息與深度點云信息融合時不僅考慮點云的空間位置，同時還充分利用前述點云特征編碼模塊給出的點云綜合特征； 在獲取包含樣本所有綜合特征的特征向量之后，在部件級自適應姿態回歸模塊中使用實例語義分割模塊、實例中心點投票模塊和關鍵點檢測模塊進行處理，并使用最小二乘法擬合出目標物體的姿態。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人電子科技大學，其通訊地址為：611731 四川省成都市高新區（西區）西源大道2006號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。