检索结果-内蒙古大学图书馆

液晶与显示 2025年第3期40卷 457-471页

作者：程硕贾迪杨柳何德堃辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105 辽宁工程技术大学鄂尔多斯研究院内蒙古鄂尔多斯017000

为解决传统方法采用单一对象CNN模型的扩展性差、通用性低及计算成本高的问题,以及优化多目标方法的性能,本文提出一种面向多目标6d位姿估计的单阶段网络架构,设计一种多分支特征提取解码器,有效地捕捉并聚合细节特征。本文提出特征优... 详细信息

为解决传统方法采用单一对象CNN模型的扩展性差、通用性低及计算成本高的问题,以及优化多目标方法的性能,本文提出一种面向多目标6d位姿估计的单阶段网络架构,设计一种多分支特征提取解码器,有效地捕捉并聚合细节特征。本文提出特征优化与筛选模块,该模块对输入特征进行筛选以提取多尺度特征。以上两者结合,设计一种新的特征金字塔结构,提升网络的整体性能,提升对遮挡情况的位姿估计效果。实验在合成数据集LINEMOd及Occluded LINEMOd上进行。结果显示,本文方法在处理遮挡物体场景时取得了较显著的提升,与PyraPose、Sd-Pose和CASAPose等现有最先进方法相比,本文方法在Add/S-Recall指标上分别提高了43.1%、16.1%和12%。在目标数量较少时表现更佳,目标数量为4个时,性能提升17%。消融实验进一步验证了各模块的有效性。本文提出的单阶段多目标网络架构通过引入多分支特征提取解码器、特征优化与筛选模块以及特征金字塔结构,仅需训练一个网络即可处理任意数量的目标,在合成数据条件下,可以更好地完成6d位姿估计。实验结果验证了本文方法的有效性。

关键词： 6d位姿估计多目标单阶段网络多分支特征提取解码器特征选择合成数据

来源：评论

学校读者我要写书评

暂无评论

基于改进denseFusion的卫星6d位姿估计方法

引用

激光杂志 2025年第3期46卷 161-168页

作者：王金聪杨海峰宋文龙汤普然于志超东北林业大学计算机与控制工程学院哈尔滨150006

针对目前在空间环境中光照强烈变化和空间背景复杂多变,以及卫星表面纹理特征稀缺情况下无法准确估计卫星在相机坐标系中的位置和姿态的问题,提出一种结合部分卷积(Partial Convolution,PConv)和大核注意力(large kernel attention,LKA... 详细信息

针对目前在空间环境中光照强烈变化和空间背景复杂多变,以及卫星表面纹理特征稀缺情况下无法准确估计卫星在相机坐标系中的位置和姿态的问题,提出一种结合部分卷积(Partial Convolution,PConv)和大核注意力(large kernel attention,LKA)的卫星6d位姿估计方法。该方法以denseFusion网络作为基础框架,首先改进了基于Blender的渲染数据集制作方法并制作了卫星位姿估计仿真数据集;其次,在特征提取网络的编码部分融入部分卷积模块降低对光照变化和背景噪声的敏感性;最后,为了获取不同尺度下纹理特征较弱卫星的特征图,设计一种金字塔场景解析网络LKA-PSPNet(Large Kernel Attention Pyramid Scene Parsing Network)实验结果表明,该算法在LineMod公共数据集和自制卫星仿真数据集上Add-(S)指标分别达到97.6%和89.2%,与改进前相比,分别提升3.3个百分点和2.9个百分点,验证了改进算法的有效性。

关键词： 6d位姿估计航天器智能深度学习仿真数据集空间目标

来源：评论

学校读者我要写书评

暂无评论

基于伪孪生神经网络的低纹理工业零件6d位姿估计

引用

电子学报 2023年第1期51卷 192-201页

作者：王神龙雍宇吴晨睿上海理工大学机械工程学院上海200093

从单帧RGB图像中获取目标物体的6d位姿信息在机器人抓取、虚拟现实、自动驾驶等领域应用广泛.本文针对低纹理物体位姿估计精度不足的问题,提出一种基于伪孪生神经网络的位姿估计方法 .首先,通过渲染CAd模型的方式,获取不同观察角度下的... 详细信息

从单帧RGB图像中获取目标物体的6d位姿信息在机器人抓取、虚拟现实、自动驾驶等领域应用广泛.本文针对低纹理物体位姿估计精度不足的问题,提出一种基于伪孪生神经网络的位姿估计方法 .首先,通过渲染CAd模型的方式,获取不同观察角度下的RGB图作为训练样本,解决了深度学习中数据集获取与标注较为繁琐的问题.其次,利用伪孪生神经网络结构学习二维图像特征和物体的三维网格模型特征之间的相似性,即分别采用全卷积网络和三维点云语义分割网络构成伪孪生神经网络,提取二维图像和三维模型的高维深层特征,使用网络推断密集的二维-三维对应关系.最后,通过PnP-RANSAC方法恢复物体的位姿.仿真数据集的实验结果表明,本文提出的方法具有较高的准确性和鲁棒性.

关键词：深度学习 6d位姿估计仿真数据集伪孪生神经网络点向密集匹配

来源：评论

学校读者我要写书评

暂无评论

基于光场EPI图像栈的6d位姿估计方法

引用

电子测量与仪器学报 2023年第4期37卷 122-130页

作者：李扬张旭东孙锐范之国合肥工业大学计算机与信息学院合肥230601

光场相机单次拍摄可以同时记录光线的强度与方向信息,相较于RGB相机能够更好地揭示场景的三维结构和几何特征,在目标6d位姿估计领域具有独特优势。针对现有RGB位姿估计方法存在复杂场景下检测精度低、鲁棒性差的问题,本文首次提出了一... 详细信息

光场相机单次拍摄可以同时记录光线的强度与方向信息,相较于RGB相机能够更好地揭示场景的三维结构和几何特征,在目标6d位姿估计领域具有独特优势。针对现有RGB位姿估计方法存在复杂场景下检测精度低、鲁棒性差的问题,本文首次提出了一种基于光场图像的端到端卷积神经网络目标位姿估计方法。该方法首先利用双路EPI编码模块实现高维光场数据的处理,通过重构出光场EPI图像栈和引入水平和垂直EPI卷积算子,提高对光场空间角度信息关联的建模能力,并由双分支孪生网络进行光场图像的浅层特征提取。其次,设计了带跳跃连接的特征聚合模块,对串联后的水平和垂直方向光场EPI浅层特征进行全局上下文聚合,使网络在逐像素关键点位置预测时有效结合全局和局部特征线索。针对光场数据不足问题,本文使用Lytro Illum光场相机采集真实场景,构建了一个丰富且场景复杂的光场位姿数据集——LF-6dpose。在光场位姿数据集LF-6dpose上的实验结果表明,该方法在Add-S和2d Projection指标下平均位姿检测精度分别为57.61%和91.97%,超越了其他基于RGB的先进方法,能够更好地解决复杂场景下的目标6d位姿估计问题。

关键词：光场 6d位姿估计光场位姿数据集 EPI图像栈特征聚合模块关键点

来源：评论

学校读者我要写书评

暂无评论

局部特征表征的6d位姿估计算法

引用

计算机应用研究 2022年第12期39卷 3808-3814页

作者：王晨露陈立家李珅范贤博俊王敏连晨轩王赞刘名果河南大学物理与电子学院河南开封475000 开封平煤新型炭材料科技有限公司河南开封475000

为解决有纹理模型在遮挡条件下6d位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6d位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制(spatial and coordinate attention),通过在YOLOv5网络中加入... 详细信息

为解决有纹理模型在遮挡条件下6d位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6d位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制(spatial and coordinate attention),通过在YOLOv5网络中加入空间—坐标注意力机制和加权双向特征金字塔网络(bidirectional feature pyramid network),YOLOv5-CBE算法的精确度(precision)、召回率(recall)、平均精度均值(mAP@0.5)分别提升了3.6%、2.8%、2.5%,局部特征中心点坐标误差最高提升了25%;然后用YOLOv5-CBE算法检测局部特征关键点,结合3d Harris关键点通过奇异值分解法(singular value decomposition)计算模型的6d位姿,最高遮挡70%的情况下仍然可以保证二维重投影精度(2d reprojection accuracy)和Add度量精度(Add accuracy)在95%以上,具有较强的鲁棒性。

关键词：局部特征 6d位姿估计 YOLOv5检测网络空间—坐标注意力机制加权双向特征金字塔网络

来源：评论

学校读者我要写书评

暂无评论

基于轻量化模型的无人机6d位姿估计

引用

控制工程 2024年

作者：肖欣招郑玉恒赛庆毅付东翔上海理工大学信息化办公室上海理工大学光电信息与计算机工程学院上海理工大学能源与动力工程学院

研究基于深度学习的机械臂抓取无人机位姿估计算法，提出了一种基于YOLO6d的无人机目标位姿估计算法CASlim＿YOLO6d。该模型在主干特征提取部分采用Ghostnet中的Gbneck＿1模块，减少3×3卷积产生的特征冗余，在特征融合部分通过深... 详细信息

研究基于深度学习的机械臂抓取无人机位姿估计算法，提出了一种基于YOLO6d的无人机目标位姿估计算法CASlim＿YOLO6d。该模型在主干特征提取部分采用Ghostnet中的Gbneck＿1模块，减少3×3卷积产生的特征冗余，在特征融合部分通过深度可分离卷积压缩模型参数量和计算量，引入CBAM注意力机制改善模型压缩导致的精度下降。模型在Xavier边缘计算平台上实现实时检测，速度41.2帧/s。进行了视觉引导的机械臂抓取共轴双旋翼无人机实验，实验结果表明该算法的可行性和有效性。

关键词： 6d位姿估计无人机 YOLO6d 轻量化

来源：评论

学校读者我要写书评

暂无评论

基于双目视觉的目标6d位姿估计方法研究

基于双目视觉的目标6D位姿估计方法研究

引用

作者：孙晗松青岛科技大学

学位级别：硕士

近年来,随着计算机技术和视觉传感器的发展,二维视觉逐渐延伸至三维空间,目标6d位姿估计技术开始成为视觉研究领域的研究热点。本文主要研究内容:一是创建完整的三维数据集,二是构建完整的位姿估计系统,三是在复杂环境中利用低成本视觉... 详细信息

近年来,随着计算机技术和视觉传感器的发展,二维视觉逐渐延伸至三维空间,目标6d位姿估计技术开始成为视觉研究领域的研究热点。本文主要研究内容:一是创建完整的三维数据集,二是构建完整的位姿估计系统,三是在复杂环境中利用低成本视觉传感器取得最优位姿估计效果。在视觉传感器的选择上,本文选用成本较低的双目相机并利用双目视觉获取图像数据,利用三维表面重建技术来构造三维模型进而建立完整数据集,该数据集用于基于关键点投票的6d位姿估计网络的训练和验证,在位姿测试中通过人为施加扰动和遮挡来评价训练模型的效果。针对三维开源数据集种类和数量稀少、三维标注困难以及数据格式复杂等问题,本文利用双目立体视觉、点云配准和三维表面重建技术对真实环境下的目标物体建立完整的数据集。深度信息的获取需要利用相机标定、立体校正和立体匹配获取视差图,再经过转换获取深度图。三维表面重建需要先利用Ar Uco码检测位姿,获取点云数据、点云配准,然后对点云数据进行法线顶点的建立、泊松重建、孔洞填补等过程生成网格化模型,根据模型获取蒙版和关键点标签,最终建立完整的三维数据集。为了解决旋转空间的非线性问题,本文分为两个阶段来构建基于关键点投票的6d位姿估计网络。第一阶段主要通过基于残差结构的主干网络执行语义分割和向量场预测两类任务,利用随机抽样一致算法对每个像素的预测向量进行关键点假设,并根据假设的关键点进行投票选出8个2d关键点。第二阶段是根据三维模型中预设的3d关键点找到与2d关键点的映射关系,最后通过Pn P算法进行位姿求解,最终获取目标6d位姿。本文对扁平包装盒、立体包装盒、椭圆包装盒和塑料软管包装盒构建三维数据集并进行位姿估计网络的训练,经验证模型的平均Add指标为97.01%,平均2d Projection指标为94.78%。除了在测试集中完成模型测试之外,本文还对目标物体施加包括复杂场景、手部遮挡以及图像残缺等扰动,实验验证了6d位姿估计方法的有效性和鲁棒性。

关键词：双目立体视觉 6d位姿估计点云配准三维表面重建

来源：评论

学校读者我要写书评

暂无评论

基于RGB-d数据的目标物体6d位姿估计研究

基于RGB-D数据的目标物体6D位姿估计研究

引用

作者：孙晴艺广西大学

学位级别：硕士

6d位姿估计是机器人理解作业场景的关键技术,然而,由于光照变化、遮挡甚至物体之间的截断等带来的应用场景复杂性,精确的6d位姿估计仍然是一个具有挑战性的问题。传统位姿估计方法通过提取目标物体手工特征进行对应关系的建立或者模板匹... 详细信息

6d位姿估计是机器人理解作业场景的关键技术,然而,由于光照变化、遮挡甚至物体之间的截断等带来的应用场景复杂性,精确的6d位姿估计仍然是一个具有挑战性的问题。传统位姿估计方法通过提取目标物体手工特征进行对应关系的建立或者模板匹配,进而完成位姿的求解,但是这样的方法仅适用于含有丰富纹理的目标物体且鲁棒性较差。由于深度学习在目标检测领域表现优异,研究者引入了一系列基于深度学习的神经网络来估计目标物体6d位姿,与传统方法相比,这些方法具有更好的抵御遮挡能力、耗时较短、准确率更高。基于此,本文针对复杂场景下目标物体6d位姿估计,在深度学习框架下设计了新颖的基于注意力的多尺度位姿估计网络和基于实例中心聚类的实例分割模块,实现了高效准确的目标物体位姿估计,并应用于机械臂抓取任务。主要研究内容如下:(1)介绍6d位姿估计的研究意义和背景,对基于深度学习的6d位姿估计算法进行深入调研,根据输入数据类型将已有方法分为基于RGB数据的方法和基于RGB-d数据的方法并进行分析和探讨。(2)采用RGB-d数据作为输入,设计基于注意力的多尺度位姿估计网络,该网络利用像素级特征注意力机制高效地提取和融合输入数据中的颜色特征和几何特征,并采用多尺度网络提取利用目标物体的上下文信息,高效准确地完成目标物体6d位姿估计。该网络在公共的Linemod和YCBVideo数据集上表现出最先进的性能。(3)针对现有位姿估计网络在外表相似尺寸不同的实例中表现不佳的问题,提出基于实例中心聚类的实例分割模块,完成精准的实例分割以提供正确的目标物体信息进行位姿估计,实现目标物体6d位姿估计精度的提升。实验表明,实例分割模块的加入,使位姿估计网络在Linemod和YCBVideo数据集上的准确率得到了大幅度的提升。(4)为验证位姿估计网络在实际生产生活场景中的实用性,搭建了机械臂抓取实验系统,完成系统中机械臂、RGB-d相机、末端执行器的选型,进行相机标定与手眼标定,使得相机坐标系与机械臂各坐标系能相互转换,即机械臂系统能采用位姿估计网络输出的目标物体6d位姿完成抓取任务。

关键词： 6d位姿估计深度学习 RGB-d数据机械臂抓取

来源：评论

学校读者我要写书评

暂无评论

基于光场成像的目标6d位姿估计方法研究

基于光场成像的目标6D位姿估计方法研究

引用

作者：李扬合肥工业大学

学位级别：硕士

目标6d位姿估计在自动驾驶、机器人操控和增强现实等领域有着广泛应用。受背景杂乱、尺度变化、目标颜色纹理相似及遮挡等因素的影响,基于传统二维投影成像的RGB位姿估计方法在复杂场景下仍然存在检测精度低和鲁棒性差的问题。光场相机... 详细信息

目标6d位姿估计在自动驾驶、机器人操控和增强现实等领域有着广泛应用。受背景杂乱、尺度变化、目标颜色纹理相似及遮挡等因素的影响,基于传统二维投影成像的RGB位姿估计方法在复杂场景下仍然存在检测精度低和鲁棒性差的问题。光场相机作为一种新型的多目光学成像设备,单次拍摄同时记录光线的位置和方向信息,可以充分揭示目标场景的三维结构和几何特征。因此,本文针对复杂场景下的目标位姿估计问题,深入研究基于光场成像技术的6d位姿估计算法,为位姿估计任务研究提供一种新的解决途径,并提高复杂场景下的位姿检测性能。论文的主要研究工作如下: (1)针对当前存在光场位姿估计数据不足问题,本文利用Lytro Illum光场相机构建一个丰富且场景复杂的光场位姿估计数据集。该数据集可同时支持RGB位姿估计和光场位姿估计算法的性能评估,为光场位姿估计任务的深入研究提供了数据支撑。 (2)针对目前基于RGB图像位姿估计方法在复杂场景下检测精度低和鲁棒性差的问题,本文研究并实现一种基于光场EPI图像栈的6d位姿估计算法。该算法首先设计一种高效提取光场多视角信息的双路EPI编码模块,通过重构出光场EPI图像栈和引入水平和垂直EPI卷积算子,捕获光场空间角度特征的依赖关系,然后利用特征聚合模块进一步融合光场结构特征,最后通过回归目标关键点的方向矢量场,利用RANSAC投票得到最终关键点位置从而求出目标6d位姿信息。实验结果表明该算法能够很好地学习光场图像蕴藏的场景三维结构信息,提高复杂场景下的目标位姿检测精度。 (3)为进一步提高光场位姿估计算法在遮挡场景下的检测效果,本文研究并实现一种基于双重注意力引导的光场位姿估计算法。该算法通过对遮挡点下EPI中心视点两边极线和不同方向EPI极线的视图特征进行具体分析,利用分支内和分支间融合策略,充分挖掘遮挡点下不同分支EPI极线的有用信息。同时设计中心视图辅助网络,补偿分支内融合策略导致的中心点邻域信息损失。实验结果表明,该算法能够更好地处理遮挡场景下的目标位姿估计问题。

关键词：光场 6d位姿估计 EPI图像栈双路EPI编码分支内融合

来源：评论

学校读者我要写书评

暂无评论

面向机器人抓取的目标物体6d位姿估计

面向机器人抓取的目标物体6D位姿估计

引用

作者：高欢北京邮电大学

学位级别：硕士

6d位姿估计是计算机视觉领域的关键技术,能够获取被估计目标的完全空间信息,广泛应用于智能机器人操作、智能装配、航天靶标识别、目标追踪等现代化的科技领域。针对目标物体6d位姿估计准确率低及对复杂环境适应性差等问题,从传统图像... 详细信息

6d位姿估计是计算机视觉领域的关键技术,能够获取被估计目标的完全空间信息,广泛应用于智能机器人操作、智能装配、航天靶标识别、目标追踪等现代化的科技领域。针对目标物体6d位姿估计准确率低及对复杂环境适应性差等问题,从传统图像特征方法和深度学习方法两个方面入手,对位姿估计技术进行深入研究并进行理论创新,提出面向弱纹理图像的自适应多邻域特征点算法以及一种最小化距离损失的投票网络,并通过多场景实验验证算法的优越性,主要工作如下:(1)针对现有特征点算法面对弱纹理图像时无法提取有效描述子,特征匹配准确率低等问题,从图像结构信息出发,提出一种适应多种纹理图像的新的描述子AMST(Adaptive Multi-neighborhood Structure Tensor)。该描述子基于多个图像邻域及其结构张量,多层次地表达图像纹理信息,解决弱纹理场景下特征提取与匹配问题;同时,通过特征点密度自适应邻域数量,利用Hessian矩阵进行特征点筛选,提高算法实时性及稳定性。(2)针对现有位姿估计网络准确率低,对复杂场景适应性差等问题,搭建一种高效地、能够有效处理遮挡等复杂问题的6d估计神经网络 MdL(A voting network that Minimum distance Loss)。MdL设计为投票网络,能够最大程度预测不可见关键点;在一般方向损失的基础上,提出使用距离损失,降低像素到关键点的距离对投票的影响,提高预测精度;网络整体采用残差结构,改善梯度消失、梯度弥散等问题;通过FPS算法选取关键点,增强算法对不同环境的适应性。(3)实现基于AMST与MdL的6d位姿估计,两种算法的目标是预测分布于目标物体表面的2d点,在此基础上,解决PnP问题获取目标6d位姿。采用PnP的改进版本EPnP算法进行6d位姿求解,其核心思想是将三维坐标点表示为四个控制点的组合,只针对四个控制点进行优化,以提高计算效率,并且求解时最多可考虑四个奇异向量,实现高精度解算。(4)基于AMST及MdL位姿估计算法,在AUBO-i5机械臂以及zed相机的硬件基础下,搭建完整的抓取系统,进一步验证位姿估计的准确性,测试算法在实际应用中的有效性。论文在上述理论研究基础上进行了大量实验,包括AMST多种纹理图像测试实验、AMST和MdL算法分别与其它经典算法对比实验、AMST与MdL的对比实验、基于AMST及MdL的位姿估计实验以及抓取实验等,通过实验验证算法的准确性及对复杂环境的适应性。

关键词： 6d位姿估计自适应多邻域距离损失抓取系统

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：