【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别涉及一种基于注意力机制的物体6d位姿估计方法及系统。
技术介绍
1、物体六自由度位姿估计作为机器人操控、增强现实技术及工业智能化的基础支撑技术，其精度提升得益于多层感知机范式的前沿突破。特别是网络架构革新与多层次特征表征的协同优化，显著增强了rgb视觉的位姿预测能力。值得注意的是，linemod数据集及其遮挡版本作为通用评估标准，持续推动着该领域的技术迭代。
2、现有技术体系主要围绕卷积神经网络构建姿态估计框架。间接范式通过构建二维投影坐标与三维关键点的映射关系，结合pnp求解器实现位姿解算；直接范式则依托端到端架构，通过深度网络直接从像素空间回归物体位姿。具有里程碑意义的posecnn通过全局特征学习奠定性能基线，pvnet则创新性地采用矢量场表征增强遮挡鲁棒性。值得关注的是，注意力机制在特征增强方面展现出独特价值，cbam的研究证实了通道-空间双重注意力对特征提取的有效性。panet提出了一种注意力上采样模块，可以扩大特征聚合的设计空间，从而允许在解码器中利用更好的特征聚合，但是它并未将注意...
【技术保护点】
1.一种基于注意力机制的物体6D位姿估计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于注意力机制的物体6D位姿估计方法，其特征在于，所述目标检测模块选用YOLOv5模型；
3.根据权利要求2所述的基于注意力机制的物体6D位姿估计方法，其特征在于，所述S2包括如下步骤：
4.根据权利要求2所述的基于注意力机制的物体6D位姿估计方法，其特征在于，所述像素级小波多分支注意力机制的数据处理步骤具体如下：
5.根据权利要求4所述的基于注意力机制的物体6D位姿估计方法，其特征在于，所述A4包括如下步骤：
...
【技术特征摘要】
1.一种基于注意力机制的物体6d位姿估计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于注意力机制的物体6d位姿估计方法，其特征在于，所述目标检测模块选用yolov5模型；
3.根据权利要求2所述的基于注意力机制的物体6d位姿估计方法，其特征在于，所述s2包括如下步骤：
4.根据权利要求2所述的基于注意力机制的物体6d位姿估计方法，其特征在于，所述像素级小波多分支注意力机制的数据处理步骤具体如下：
5.根据权利要求4所述的基于注意力机制的物体6d位姿估计方法，其特征在于，所述a4包括如下步骤：
6.根据权利要求5所述的基于...
【专利技术属性】
技术研发人员：张辉，孔垂旺，陈为立，陈波，李康，樊叶心，江一鸣，王耀南，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。