买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜重庆理工大学申请的专利基于双向匹配和全局注意力网络的鲁棒6D位姿估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116843753B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310810193.6，技术领域涉及：G06T7/73；该发明授权基于双向匹配和全局注意力网络的鲁棒6D位姿估计方法是由张光建;杨煜豪设计研发完成，并于2023-07-03向国家知识产权局提交的专利申请。

本基于双向匹配和全局注意力网络的鲁棒6D位姿估计方法在说明书摘要公布了：本发明公开了基于双向匹配和全局注意力网络的鲁棒6D位姿估计方法，包括以下步骤：S1、获取全景图像和深度图像，将其分别输入至ConvNext网络和Pointnet网络中提取得到颜色特征和深度点云，并根据颜色特征、深度点云和模型点云提取特征矩阵；S2、将深度点云及其法向量信息和模型点云及其法向量信息输入至全局点云注意力模块，得到共同注意力图；S3、将共同注意力图与特征矩阵输入至注意力感知位姿估计模块，得到最终位姿。本发明引入了一种简单而有效的全局点云注意力模块发现模型点和深度点之间的相似性，从而获得鲁棒的注意力相关性。实验表明，本发明比目前的方法具有优势，并且本发明的预测结果的准确性和鲁棒性在6D姿态估计中得到提高。

本发明授权基于双向匹配和全局注意力网络的鲁棒6D位姿估计方法在权利要求书中公布了：1.一种基于双向匹配和全局注意力网络的鲁棒6D位姿估计方法，其特征在于，包括以下步骤：S1、获取全景图像和深度图像，将其分别输入至ConvNext网络和Pointnet网络中提取得到颜色特征和深度点云，并根据颜色特征、深度点云和模型点云提取特征矩阵；S2、将深度点云及其法向量信息和模型点云及其法向量信息输入至全局点云注意力模块，得到共同注意力图；S3、将共同注意力图与特征矩阵输入至注意力感知位姿估计模块，得到最终位姿；所述S2中，全局点云注意力模块包括依次连接的伪孪生网络模块、点积函数层和softmax函数层；所述S2包括以下分步骤：S21、将深度点云及其法向量信息和模型点云及其法向量信息分别输入至伪孪生网络模块，得到深度注意力特征矩阵和模型注意力特征矩阵；S22、将深度注意力特征矩阵和模型注意力特征矩阵输入至点积函数层，得到相关特征矩阵，将相关特征矩阵输入至softmax函数层，得到用于约束点对匹配的共同注意力图；所述S21具体为：通过伪孪生网络模块将深度点云及其法向量信息和模型点云及其法向量信息进行两次不同位置的输入，得到深度注意力特征矩阵和模型注意力特征矩阵，其中，所述伪孪生网络模块处理输入的方法相同，伪孪生网络模块处理深度点云及其法向量信息与模型点云及其法向量信息的方法具体为：SA1、通过多层感知机将6维的深度点云及其法向量信息与模型点云及其法向量信息提升至64维度和128维度，得到64维的第一～第二局部特征，以及128维的第三～第四局部特征；SA2、将64维的第一～第二局部特征进行局部融合，得到128维的第五局部特征；SA3、将128维的第三～第四局部特征进行局部融合，得到256维的第六局部特征，将第六局部特征进行编码，得到1024维的第七局部特征；SA4、将1024维的第七局部特征进行平均池化，得到全局特征，将全局特征与128维的第五局部特征进行稠密融合，并对稠密融合的结果进行解码和归一化，得到既有局部特征信息又有全局特征信息的深度注意力特征矩阵；SA5、利用伪孪生网络交换深度点云及其法向量信息与模型点云及其法向量信息输入的位置，重复SA1～SA4，得到既有局部特征信息又有全局特征信息的模型注意力特征矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。