[发明专利]一种基于增强自编码器的室内目标物体6D姿态估计方法有效

专利信息
申请号: 201910795984.X 申请日: 2019-08-27
公开(公告)号: CN110533721B 公开(公告)日: 2022-04-08
发明(设计)人: 刘复昌;孟凡胜 申请(专利权)人: 杭州师范大学
主分类号: G06T7/73 分类号: G06T7/73;G06V10/25;G06V10/44;G06V10/764;G06K9/62
代理公司: 杭州君度专利代理事务所(特殊普通合伙) 33240 代理人: 杨舟涛
地址: 311121 浙江省*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于增强自编码器的室内目标物体6D姿态估计方法。本发明分成三阶段:多目标物体检测阶段:首先输入单幅彩色图像到改进版的Faster R‑CNN,然后RPN网络提取出候选框,再通过全卷积网络输出目标类别概率和二维边界框;增强自编码器预测物体关键点阶段:利用概率期望连接多目标物体检测阶段与增强自编码器预测物体关键点阶段,通过训练改进版的堆叠式降噪自动编码器对感兴趣区域编解码出相同尺寸的无噪声感兴趣区域,再通过全连接层预测出目标物体在二维图像上的关键点;计算目标物体的6D姿态估计阶段:根据关键点计算出目标物体的6D姿态。本发明对于背景杂乱与物体存在遮挡的情况下具有很强的鲁棒性,对光照、颜色不敏感且不要求物体具有丰富的纹理特征。
搜索关键词: 一种 基于 增强 编码器 室内 目标 物体 姿态 估计 方法
【主权项】:
1.一种基于增强自编码器的室内目标物体6D姿态估计方法,所述的方法分成三个阶段:/n多目标物体检测阶段:/n首先输入单幅彩色图像到改进版的Faster R-CNN,然后RPN网络提取出候选框,再通过全卷积网络输出目标类别概率和二维边界框;/n增强自编码器(AAE)预测物体关键点阶段:/n利用概率期望连接多目标物体检测阶段与增强自编码器预测物体关键点阶段,通过训练改进版的堆叠式降噪自动编码器(SDAE)对感兴趣区域编解码出相同尺寸的无噪声感兴趣区域,再通过全连接层(fc)预测出目标物体在二维图像上的关键点;/n计算目标物体的6D姿态估计阶段:/n根据关键点计算出目标物体的6D姿态。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州师范大学,未经杭州师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910795984.X/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top