[发明专利]一种基于深度学习的点云物体姿态估计方法、装置及其设备

摘要

本发明实施例提供一种基于深度学习的点云物体姿态估计方法、装置及其设备，所述方法包括：获取需要学习的数据；网络模型的设计；模型的训练及预测。网络模型的设计包括：将点云物体姿态估计问题建模为无区别的多分类问题；设计残差块结构来提取特征；将提取的特征通过最大池化层获取全局特征；将全局特征分别送入三个并行的多层感知机做坐标轴的预测类别得分；使用分类器对坐标轴做预测类别得分后的特征做最后的类别预测；对经过分类器处理后得到的损失值进行等权重的求和，并将此和作为整体的多分类损失函数；使用适应性矩估对多分类损失函数进行优化。本发明所述方法能精确地对点云物体姿态进行评估，以提高对物体姿态定位及预测的精准性。

主权项

1.一种基于深度学习的点云物体姿态估计方法，其特征在于，包括步骤：获取需要学习的数据；网络模型的设计；模型的训练；模型的预测；其中，所述网络模型的设计具体包括：将点云物体姿态估计问题建模为无区别的多分类问题；设计残差块结构来提取点云物体的特征；将经过所述残差块结构获取的特征通过最大池化层获取全局特征；将经过最大池化层获取的所述全局特征分别送入三个并行的多层感知机做坐标轴的预测类别得分；使用分类器对分别经过所述多层感知机做坐标轴的预测类别得分后的特征做最后的类别预测；对经过所述三个并行分类器处理后得到的损失值进行等权重的求和，并将此和作为整体的多分类损失函数；使用适应性矩估计对多分类损失函数进行优化。