“yolo6d”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2272552个，建议您升级VIP下载更多相关专利

[发明专利]一种基于改进的YOLO6D算法的位姿估计系统及方法-CN202110703620.1在审
发明人：张楚宁;高天寒;江欣蓓 -专利权人：东北大学
申请日： 2021-06-24 - 公布日： 2021-09-24 - 主分类号： G06T7/70 文献下载
摘要：本发明提供了一种基于改进的YOLO6D算法的位姿估计系统及方法，涉及计算机视觉技术领域。该系统包括视觉传感器、客户端和服务器端。使用该系统的基于改进的YOLO6D算法的位姿估计方法包括如下步骤：采集包含目标物体的原始图像；对包含目标物体的原始图像进行处理得到边缘清晰的目标物体图像；构建YOLO6D模型的训练数据集；对YOLO6D模型进行改进，包括：为对称目标物体和非对称目标物体定义两种不同的损失函数；利用所述训练数据集对改进的YOLO6D模型进行训练，获得位姿估计模型；利用所述姿态估计模型实时估计图像中目标物体的位姿。
一种基于改进 yolo6d 算法估计系统方法

[发明专利]基于YOLO6D改进网络的位姿估计方法及装置-CN202110202464.0在审
发明人：钟志强;陈新度;吴磊;刘跃生 -专利权人：广东工业大学
申请日： 2021-02-23 - 公布日： 2021-08-10 - 主分类号： G06T7/73 文献下载
摘要：本公开公开了基于YOLO6D改进网络的位姿估计方法及装置及系统，包括以下，将原YOLO6D网络中的第五层的5个卷积层修改为3个卷积层，将原YOLO6D网络中的第六层的7个卷积层修改为3个卷积层，将原YOLO6D网络中的5个最大池化层修改为4个最大池化层加上1个全局平均池化层；获取目标物的具有2D‑3D对应关系的多组2D图像与3D模型，将所述2D图像与3D模型输入YOLO6D改进网络，预测所述3D模型的边界框在所述2D图像上的投影的1个中心点以及8个角点，通过PnP姿态估计算法对目标物进行位姿估计，将满足评估指标的位姿估计结果输出得到最终的位姿估计结果。
基于 yolo6d 改进网络估计方法装置

[发明专利]基于Yolo6D轮廓识别的地铁智能吹扫路径自动规划系统及方法-CN202211222560.2在审
发明人：李安胜;陈隽星;崔朝阳;翁仲铭;李颜生;李俊峰 -专利权人：天津盛安机械设备有限公司
申请日： 2022-10-08 - 公布日： 2023-04-04 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于Yolo6D轮廓识别的地铁智能吹扫路径自动规划系统，包括装有机械臂的AGV吹扫车，所述机械臂末端安装摄像头，机械臂内装机械臂控制中心，机械臂控制中心控制机械臂及机械臂摄像头的转动和移动机械臂；所述摄像头上设有陀螺仪与超声波传感器，摄像头可进行2D拍摄和3D立体扫描；还包括装有Yolo6D识别模块和地铁数据库中控平台，所述摄像头拍摄的2D图像经由Yolo6D识别模块进行零部件识别得到的零部件型号和位置、以及3D立体扫描获取的3D点云数据库以及零部件的立体外观均存储在地铁数据库中。本发明采用Yolo6D的立体识别技术，透过Yolo6D对零部件精准识别、定位并做出自动化吹扫路径规划，并执行吹扫动作。
基于 yolo6d 轮廓识别地铁智能路径自动规划系统方法

[发明专利]一种用于深度学习姿态估计的数据集制作方法-CN201911097958.6有效
发明人：高萌;罗宇;徐坤林;周星;陈思敏;黄键;周伟娜 -专利权人：佛山智能装备技术研究院
申请日： 2019-11-12 - 公布日： 2022-06-10 - 主分类号： G06T7/80 文献下载
摘要：本发明利用深度学习模型yolo6d对数据集进行训练并测试，最终准确率都高于95％。
一种用于深度学习姿态估计数据制作方法

[发明专利]一种基于深度神经网络的三维目标检测方法及系统-CN202011123745.9在审
发明人：沈金荣;赵鸣晖;彭娟 -专利权人：河海大学常州校区
申请日： 2020-10-20 - 公布日： 2021-01-22 - 主分类号： G06T17/00 文献下载
摘要：包括：获取目标物体所处环境的彩色图像和点云信息；采用深度神经网络YOLO6D与YOLOv2对彩色图像进行联合检测，分别获取目标物体在彩色图像上的2D边界框与3D边界框；将点云信息映射到彩色图像的图像坐标系下，获取点云信息在彩色图像中的坐标信息；根据目标物体在图像上的2D边界框与3D边界框，结合点云信息在彩色图像中的坐标信息，分别获取2D边界框与3D边界框的深度信息；根据2D边界框与3D边界框的深度信息，结合点云信息的维度
一种基于深度神经网络三维目标检测方法系统

[发明专利]一种基于神经网络的物体位姿识别方法-CN202010847309.X有效
发明人：谷依田;莫凌飞 -专利权人：东南大学
申请日： 2020-08-21 - 公布日： 2022-11-01 - 主分类号： G06T7/90 文献下载
摘要：本发明公开了一种基于神经网络的物体位姿识别方法，该方法包括步骤：用户预先根据物体放置在方桌或者圆桌上，在初始化界面上进行动态/静态识别模式的选择；摄像机拍摄图片并绘制出桌面坐标系；得到相对于空间坐标系的变换矩阵；然后运行YOLO6D
一种基于神经网络物体识别方法

[发明专利]工业环境下基于改进的YOLO-6D算法的目标检测方法-CN202010330520.4有效
发明人：吴益飞;丛宇;郭健;陈庆伟;靳懿;吴鑫煜 -专利权人：南京理工大学
申请日： 2020-04-24 - 公布日： 2023-08-22 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种工业环境下基于改进的YOLO‑6D算法的目标检测方法，包括以下步骤：采集包含待检测目标的若干图像；构建YOLO‑6D网络的训练数据集；对YOLO‑6D网络进行改进，包括：利用ResNet‑53代替ResNet‑19的深度残差神经网络，将回归函数以及激活函数中的Softmax替换为Sigmoid；利用训练数据集对YOLO‑6D网络进行训练，获得目标检测模型；利用目标检测模型对工业环境中的待检测目标进行检测
工业环境基于改进 yolo 算法目标检测方法

[发明专利]一种基于3D模型训练YOLO神经网络的方法-CN202010034052.6有效
发明人：周宁宁;杨贤志 -专利权人：南京邮电大学
申请日： 2020-01-13 - 公布日： 2022-07-05 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于3D模型训练YOLO神经网络的方法，首先、构建待测物体3D模型及场景背景模型并结合形成场景图，随机化物体3D模型的中心点所在坐标、Euler角、纹理参数及场景背景模型，对场景图渲染多次得到原始数据集；其次、由原始数据集中标记五元组中边框界的左上顶点坐标、右下顶点坐标与图像宽高计算得到边界框的中心点坐标、宽、高与图像宽高的相对比例，从而转换得到YOLO神经网络标准数据集；最后，建立所得数据集与YOLO神经网络结合后的损失函数，使用随机梯度下降算法求损失函数近似最小值，得到待检测物体的YOLO目标检测模型，本发明可减少YOLO神经网络数据集获取成本。
一种基于模型训练 yolo 神经网络方法

[发明专利]一种能应对复杂背景并且更精确的三维姿态估计算法-CN202211077522.2在审
发明人：杜宇;刘冬;张犇;李金钟;田小静;丛明 -专利权人：大连交通大学;大连理工大学
申请日： 2022-09-05 - 公布日： 2022-12-16 - 主分类号： G06V10/82 文献下载
摘要：本方法基于YOLO‑6D算法进行调整，将原算法中的YOLO V2检测网络变更为YOLO V3网络，同时增添注意力机制以增强模型对背景复杂且存在遮挡的物体的检测能力。
一种应对复杂背景并且精确三维姿态估计算法

[发明专利]一种基于改进Complex-YOLO的3D点云目标检测方法-CN202210652588.3在审
发明人：邵永鑫;孙哲涛;谭爱红 -专利权人：中国计量大学
申请日： 2022-06-07 - 公布日： 2022-08-09 - 主分类号： G06V20/58 文献下载
摘要：本发明提出的一种基于改进Complex‑YOLO的3D点云目标检测方法，包括以下步骤：步骤1：点云数据预处理，生产俯视图下RGB俯视图，构建训练数据集；步骤2：对数据集进行训练，构建改进的Complex‑YOLO算法，用以俯视图下2D目标检测；步骤3：通过2D目标检测模型，预测目标的长宽、朝向角和类别；步骤4：通过俯视图下2D检测信息，在原始点云的相应区域中，检测该区域目标的高度信息，整合步骤2输出的信息完成最终的3D目标检测任务。本发明具有高检测准确率，由于增加了多尺度特征融合网络，融合了不同尺寸感受野下的特征量，对各种尺寸的目标都能很好的检测，对比Complex‑YOLO原始算法，对小目标的识别准确率的提高尤其明显。
一种基于改进 complex yolo 目标检测方法

[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-CN202011430902.0在审
发明人：刘鹏磊;张锲石;程俊 -专利权人：中国科学院深圳先进技术研究院
申请日： 2020-12-09 - 公布日： 2021-03-26 - 主分类号： G06T7/73 文献下载
摘要：本发明公开了一种实时高效的6D姿态估计网络、构建方法及估计方法，属于计算机视觉技术领域，涉及6D姿态估计领域，利用多向特征融合金字塔网络MFPN用于将特征进行融合和表达，多向特征融合金字塔网络MFPN可以有效的表示和处理多尺度特征，并且能够有效处理遮挡和背景复杂的情况，以跨阶段局部网络CSPNet作为基本模块，并融合YOLO框架，构建了一个能够有效提取特征的骨干网络，然后与多向特征融合金字塔网络MFPN相结合，最终设计了用于6D姿态估计的新网络MFPN‑6D，可以有效解决物体纹理不足和遮挡问题，提高了模型的预测精度和计算速度，也增强了鲁棒性。
一种实时高效姿态估计网络构建方法

[发明专利]基于ORB特征匹配与yolo的空气开关状态检测方法及装置-CN202110017776.4有效
发明人：谢勇添;李元九;颜泗海;谢剑锋;刘祖峰;张宏坡;林明福;陈圣毅 -专利权人：国网福建省电力有限公司泉州供电公司;福建和盛高科技产业有限公司;泉州亿兴电力工程建设有限公司泉州经济技术开发区分公司
申请日： 2021-01-07 - 公布日： 2023-06-20 - 主分类号： G06V20/10 文献下载
摘要：本发明提供一种基于ORB特征匹配与yolo的空气开关状态检测方法，包括如下步骤：A、拍摄包含空气开关的设备图像样本以建立数据集；B、进行yolo模型的训练与导出；C、制作标准模板；D、拍摄包含待检测空气开关的设备图像，并对该设备图像进行ORB特征点提取和生成对应的特征向量；E、进行特征匹配以定位出待检测空气开关，并对步骤D中的设备图像进行矫正；F、得到与标准模板基本一致的待检测开关图像；G、将待检测开关图像输入经步骤B处理后的yolo模型，得到开关的个数及每个开关的状态；F、判断空气开关状态是否异常，并告警。
基于 orb 特征匹配 yolo 空气开关状态检测方法装置

[发明专利]基于改进YOLO模型的钢材表面缺陷检测方法-CN202310897778.6在审
发明人：张付祥;徐兆洋 -专利权人：河北科技大学
申请日： 2023-07-21 - 公布日： 2023-09-12 - 主分类号： G06T7/00 文献下载
摘要：基于改进YOLO模型的钢材表面缺陷检测方法，包括如下步骤：（1）获取钢材表面缺陷图像；（2）图像数据增强与预处理；（3）构建钢材表面缺陷数据集；（4）搭建基于改进YOLO模型的钢材表面缺陷检测模型；（5）使用改进的YOLO模型进行训练；（6）对改进的YOLO模型进行测试和评价；（7）使用改进后的YOLO模型对实际的钢材表面缺陷图像进行检测。该方法采用传统样本扩增和生成对抗网络结合的方式对数据集进行数据增强，解决由于训练样本不足导致检测效果不佳的问题；对YOLO模型进行改进，包括优化损失函数、添加注意力机制、新增自适应特征融合模块、补充小目标检测层
基于改进 yolo 模型钢材表面缺陷检测方法

[发明专利]一种基于卷积神经网络与3D打印修补技术的路面病害识别与修补方法、系统、设备及介质-CN202110582120.7在审
发明人：宋修广;张营超;吴建清;庄培芝;郭少华;皮任东;张宏博;岳红亚 -专利权人：山东大学;山东大学苏州研究院
申请日： 2021-05-27 - 公布日： 2021-08-17 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于卷积神经网络与3D打印修补技术的路面病害识别与修补方法、系统、设备及介质，包括步骤如下：(1)训练改进后的YOLO V3的网络模型；(2)通过训练好的YOLO V3的网络模型进行智能路面病害识别；(3)根据步骤(2)获取的路面病害识别结果，使用3D打印修补技术对病害进行修补。
一种基于卷积神经网络打印修补技术路面病害识别方法系统设备介质

[发明专利]图像识别方法、AGV物料分拣方法及系统-CN202211491394.6在审
发明人：马菲飞;单晓杭 -专利权人：浙江工业大学
申请日： 2022-11-25 - 公布日： 2023-04-07 - 主分类号： G06V20/52 文献下载
摘要：具体涉及一种图像识别方法、AGV物料分拣方法及系统，包括：S1，对目标图像进行采集，形成自建数据集；S2，对图像进行分割，然后从中提取带有物料特征及托盘信息的数据集；S3，进行图像进行标注增强；S4，构建改进YOLO‑v5模型；S5，训练改进YOLO‑v5模型，得到最佳的训练模型；S6，将训练好的YOLO‑v5模型对物料进行分类识别，对托盘负载进行判断，输出物料的种类，以及托盘的负载情况。本发明采用MobileNet‑v3作为改进YOLO‑v5模型中的Backbone部分，更好地解决了原始YOLO‑v5模型中的Backbone结构参数量大，检测速度慢等问题。
图像识别方法 agv 物料分拣系统

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条