公开(公告)号：CN114155406A

公开(公告)日：2022-03-08

申请号：CN202111414301.5

申请日：2021-11-25

Applicant: 上海师范大学 ,  上海优爱宝智能机器人科技股份有限公司

Inventor： 安康 ,  王万诚 ,  曾莉 ,  宋亚庆 ,  上官倩芡 ,  管西强 ,  李一染

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06K9/62 ,  G06N3/04 ,  G06V10/56

Abstract: 本发明属于人工智能的技术领域，公开了一种基于区域级特征融合的位姿估计方法，包括S1、通过三维相机获取待检对象的图像，包括颜色图像和深度图像；S2、将所述颜色图像输入到第一神经网络，提取待检对象的颜色特征；S3、将待检对象在深度图像中的对应区域转换为点云图，再将所述点云图输入到第二神经网络，提取待检图像的几何特征，并生成三维平移预测；S4、将所述颜色特征和几何特征进行逐像素融合，生成多个区域级融合特征，再将多个所述区域级融合特征输入多层感知机，生成多个三维旋转预测及其对应的置信度；S5、将所述三维平移预测和置信度最大的三维旋转预测组合生成6D位姿估计。

公开(公告)号：CN112347863A

公开(公告)日：2021-02-09

申请号：CN202011127248.6

申请日：2020-10-20

Applicant: 上海师范大学

Inventor： 安康 ,  张文浩 ,  毕书博 ,  李浩溶 ,  王万诚 ,  李国承 ,  李依

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  B07C5/02 ,  B07C5/342 ,  B07C5/36

Abstract: 本发明涉及一种基于FD‑Densenet网络的工业零件识别分拣方法、介质及系统，所述方法包括以下步骤：实时采集待分拣零件图像，采用基于FD‑Densenet网络的零件识别深度学习模型对所述待分拣零件图像进行识别，根据识别获得的分类结果对待分拣零件进行分拣；其中，所述基于FD‑Densenet网络的零件识别深度学习模型结合深度可分离卷积运算和特征压缩传递结构，实现网络轻量化，提高运算速度，使其可以应用在嵌入式设备上。与现有技术相比，本发明具有效率高、识别准确率高、轻量化等优点，能够有效解决传统二维模型难以处理的目标物角度问题。