-
公开(公告)号：CN118447084A
公开(公告)日：2024-08-06
申请号：CN202410271051.1
申请日：2024-03-11
Applicant: 北京邮电大学
IPC: G06T7/73 , G06V10/764 , G06T17/00 , G06N5/04 , G06N5/025
Abstract: 本发明公开了一种3D视觉定位方法，属于3D视觉技术领域，其包括以下步骤：S1、三维场景图构建：从视觉场景中提取对象O的输入点云,构建一个从语义到实例的分层场景图；S2、具身视角观测体系：在3D空间中推理与文本指令相符的具身视角；S3、具身视角推理图构建：根据输入语言U和3D场景图利用LLMs进行联合推理,获得查询物体的类别、属性以及具身视角等信息；S4、具身视角推理：根据视角下的情景，在Graph上进行深度优先搜索,筛选目标对象。本发明通过引入ViewInfer3D,这是一种新颖的3D视觉定位方法,利用大型语言模型(LLMs)作为协调定位过程的中心代理。我们提出的3D场景图与LLM相结合的方式推理方式,减少了LLMs处理的token数量和推理难度并有利于发现隐含视角。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
