-
公开(公告)号：CN115620203A
公开(公告)日：2023-01-17
申请号：CN202211343439.5
申请日：2022-10-29
Applicant: 福州大学
IPC: G06V20/40 , G06V10/40 , G06V10/774 , G06V10/80
Abstract: 本发明涉及一种基于加权特征融合和光流估计修正的物体姿态估计方法，包括以下步骤：步骤S1：获取二维RGB图像信息进行数据增强，加载模型预训练权重；步骤S2：利用进行加权特征融合的yolov5模型提取目标物体的位置特征；步骤S3：增加旋转和平移网络模块，回归生成物体的三维平移和三维旋转六个自由度的信息；步骤S4：使用光流估计方法对步骤S3中生成的位姿信息进行修正，进一步提高姿态估计的质量，得到最终的结果。该方法能够有效地进行物体的姿态估计。
-
公开(公告)号：CN115761734A
公开(公告)日：2023-03-07
申请号：CN202211343422.X
申请日：2022-10-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于模板匹配和概率分布的物体位姿估计方法，包括以下步骤：步骤S1：对位姿估计训练集进行语义分割；步骤S2：将步骤S1语义分割检测到的目标与渲染模板匹配，生成初始的视点估计；步骤S3：利用深度学习网络学习输入图像像素和匹配模板之间的密集2D‑2D对应关系，进而生成图像像素与3D模型之间的2D‑3D对应；步骤S4：使用可微分的pnp层生成目标物体的六自由度信息，利用位姿的概率分布进行指导，生成最终的位姿解。该方法能够有效地对RGB图像中的目标进行位姿估计。
-
公开(公告)号：CN118941852A
公开(公告)日：2024-11-12
申请号：CN202410976477.7
申请日：2024-07-20
Applicant: 福州大学
IPC: G06V10/764 , G06V10/54 , G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/0895
Abstract: 本发明提出一种基于域自适应性与纹理正则化的自监督姿态估计方法，包括以下步骤：步骤S1：在EfficientPose姿态估计器的基础上，在每个级联操作上采用通道增强模块为每个通道分配不同的权重，对每个特征通道进行自适应增强；步骤S2：采用图像级和实例级的多级域自适应模块学习域不变特征，使用H‑散度衡量不同分布样本差异；步骤S3：采用基于熵的对齐方法最小化源域与目标域之间的表示嵌入距离，捕捉视觉代表性特征；步骤S4：采用纹理正则化提高模型对姿态变化的敏感性，最终完成姿态估计识别。
-
公开(公告)号：CN118262210A
公开(公告)日：2024-06-28
申请号：CN202410301482.8
申请日：2024-03-16
Applicant: 福州大学
IPC: G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于形状增强和位置嵌入编码的类别级目标姿态估计方法，包括以下步骤：步骤S1：通过非线性形状增强方法对公开类别级姿态估计数据集进行数据增强，丰富数据集的多样性，增加网络训练期间的形状多样性；步骤S2：通过编码器将输入特征进行位置嵌入编码，从局部到全局地感知逐点几何特征，缓解目标几何结构复杂的问题；步骤S3：通过跳过连接模块减少步骤S1数据增强中引起的点云稀疏影响，避免跨尺度特征传播过程中的信息丢失，通过解码器进一步融合多尺度几何特征；步骤S4：使用对称感知重建损失和距离损失函数共同提高训练监督的效率，最终完成类别级物体6D姿态估计识别；该方法能够有效地对目标进行类别级姿态估计。
-
-
-
Search Results
4
records
(took 0.034 seconds)
