基于深度学习的大型舱段位姿测量算法制造技术

本发明专利技术涉及计算机与机械领域交叉的位姿测量技术，具体为一种基于深度学习的大型舱段位姿测量算法。通过在舱段一侧设立靶标点，运用基于注意力机制的YOLOv5目标检测算法和UPnP算法进行位姿测量计算，以提高位姿测量的准确性和可靠性。我们设置舱段侧靶标点，利用舱段刚体特性避免视野范围限制，采用基于深度学习的YOLOv5目标检测算法，确保可靠测量结果。为提高精度，我们加入注意力机制，建立精细靶标数据集进行训练，采用衍生变形算法UPnP，无需标定流程，减小误差。运用高性能计算设备和优化算法，采用高效数据结构和并行计算技术，减少计算量，提高运行速度，保证实时性要求。

【技术实现步骤摘要】

本专利技术涉及计算机与机械领域交叉的位姿测量技术，具体涉及一种基于深度学习的大型舱段位姿测量算法。该方法通过在舱段一侧设立靶标点，运用基于注意力机制的yolov5目标检测算法，并结合upnp算法进行位姿测量计算。以提高位姿测量的准确性和可靠性。

技术介绍

1、位姿测量是在计算机与机械领域中具有重要意义的技术之一。准确测量物体的位置和姿态对于许多应用至关重要，特别是在航天器组装、导航、机器人控制和虚拟现实等领域。准确的位姿测量可以帮助实现精确导航和定位，确保物体在空间中的正确放置和移动，提高生产效率和安全性。常见的位姿测量方法有位姿测量方法包括激光测距、gps定位和视觉测量等。激光测距和gps定位是与视觉测量方法并行存在的位姿测量方法。激光测距具有高精度和实时性的优点，适用于需要较高精度和快速测量的场景。然而，它的测量范围有限，对于大型物体或远距离测量可能存在限制，而且容易积累误差，需要多次校准等问题。gps定位具有全球覆盖和对距离无限制的优势，适用于需要全球范围内定位的应用。但是，gps定位的精度受多种因素影响，可能无法满足高精度位姿测量的需求，而且在遮挡本文档来自技高网...

【技术保护点】

1.基于深度学习的大型舱段位姿测量算法，其包括如下步骤：

【技术特征摘要】

1.基于深度学习的大型舱段位...

【专利技术属性】
技术研发人员：姜长泓，慕小乔，王其铭，梁超，谢慕君，张冰冰，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：