[发明专利]一种实时高效的6D姿态估计网络、构建方法及估计方法

权利要求书

1.一种实时高效的6D姿态估计网络，其特征在于，包括多向特征融合金字塔网络和骨干网络，所述多向特征融合金字塔网络和所述骨干网络相组合形成所述6D姿态估计网络，所述多向特征融合金字塔网络用于将特征进行融合和表达，所述骨干网络用于特征提取。

2.根据权利要求1所述的一种实时高效的6D姿态估计网络，其特征在于，所述多向特征融合金字塔网络包括残差结构，所述残差结构融合到所述多向特征融合金字塔网络的前向传播和垂直传播中。

3.根据权利要求2所述的一种实时高效的6D姿态估计网络，其特征在于，所述骨干网络以CSPNet网络作为基础模块，并融合YOLO框架。

4.根据权利要求1所述的一种实时高效的6D姿态估计网络，其特征在于，所述6D姿态估计网络的总数据集包括LINEMOD标准数据集和Occluded-LINEMOD标准数据集，所述6D姿态估计网络在所述LINEMOD标准数据集和所述Occluded-LINEMOD标准数据集上进行训练和验证。

5.根据权利要求4所述的一种实时高效的6D姿态估计网络，其特征在于，所述LINEMOD标准数据集包括13个序列，每个序列包含杂乱环境中单个目标的真实姿态，并且提供了所有目标的CAD模型；所述Occluded-LINEMOD标准数据集是包含有多个目标物体且存在遮挡的数据集。

6.根据权利要求5所述的一种实时高效的6D姿态估计网络，其特征在于，所述6D姿态估计网络的总数据集包括训练集和测试集，所述训练集占所述总数据集的20％，所述测试集占所述总数据集的80％。

7.根据权利要求1所述的一种实时高效的6D姿态估计网络，其特征在于，所述6D姿态估计网络以56FPS的速度运行。

8.一种如权利要求1至7任一项所述的实时高效的6D姿态估计网络的构建方法，其特征在于，包括：首先将残差结构融合到前向传播和垂直传播中，建立多向特征融合金字塔网络；然后以CSPNet网络作为基础模块，并融合YOLO框架，建立骨干网络；最后将多向特征融合金字塔网络和骨干网络相组合形成6D姿态估计网络。

9.根据权利要求8所述的一种6D姿态估计网络的构建方法，其特征在于，所述构建方法中6D姿态估计网络在LINEMOD标准数据集和Occluded-LINEMOD标准数据集上进行训练和验证。

10.一种6D姿态估计方法，其特征在于，采用如权利要求1至7任一项所述的实时高效的6D姿态估计网络。