買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉山東大學申請的專利基于全局和局部信息的像素級抓取位姿檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115526935B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211190519.1，技術領域涉及：G06T7/73；該發明授權基于全局和局部信息的像素級抓取位姿檢測方法及系統是由常發亮;楊如瑞;劉春生;王德鑫;郇恒強設計研發完成，并于2022-09-28向國家知識產權局提交的專利申請。

本基于全局和局部信息的像素級抓取位姿檢測方法及系統在說明書摘要公布了：本發明公開了基于全局和局部信息的像素級抓取位姿檢測方法及系統；其中所述方法包括：獲取場景圖像，并對場景圖像進行預處理；將預處理后的場景圖像，輸入到訓練后的像素級抓取位姿檢測網絡中，輸出每個像素點的平面抓取位姿，經過位姿轉換關系，將平面抓取位姿映射到現實場景，由機械臂實現目標對象的抓取；其中，訓練后的像素級抓取位姿檢測網絡，其工作原理包括：對場景圖像進行特征提取，得到圖像特征；對提取的圖像特征進行降噪處理；對降噪處理后的圖特征進行特征融合，得到包含不同感受野的特征圖；對包含不同感受野的特征圖進行分類預測，輸出每個像素點的平面抓取位姿。

本發明授權基于全局和局部信息的像素級抓取位姿檢測方法及系統在權利要求書中公布了：1.基于全局和局部信息的像素級抓取位姿檢測方法，其特征是，包括： 獲取場景圖像，并對場景圖像進行預處理； 將預處理后的場景圖像，輸入到訓練后的像素級抓取位姿檢測網絡中，輸出每個像素點的平面抓取位姿，經過位姿轉換關系，將平面抓取位姿映射到現實場景，由機械臂實現目標對象的抓取； 其中，訓練后的像素級抓取位姿檢測網絡，其工作原理包括：對場景圖像進行特征提取，得到圖像特征；對提取的圖像特征進行降噪處理；對降噪處理后的圖特征進行特征融合，得到包含不同感受野的特征圖；對包含不同感受野的特征圖進行分類預測，輸出每個像素點的平面抓取位姿； 訓練后的像素級抓取位姿檢測網絡，其網絡結構包括： 依次連接的骨干網絡、去噪網絡、特征融合網絡和解碼器； 所述骨干網絡采用改進后的SwinTransformer網絡來實現； 所述改進后的SwinTransformer網絡，是將SwinTransformer網絡的SwinTransformerBlock均替換為第一改進后的SwinTransformerBlock； 其中，第一改進后的SwinTransformerBlock，包括： 依次連接的第一基本單元和第二基本單元； 所述第一基本單元，包括：依次連次連接的第一層歸一化層LN、窗多頭自注意力機制層、加法器J1、第二層歸一化層LN、第一改進FFN模塊和加法器J2；其中，加法器J1的輸入端與第一層歸一化層LN的輸入端殘差連接；加法器J2的輸入端與第二層歸一化層LN的輸入端殘差連接； 所述第二基本單元，包括：依次連次連接的第三層歸一化層LN、移位窗多頭自注意力機制層、加法器J3、第四層歸一化層LN、第二改進FFN模塊和加法器J4；其中，加法器J3的輸入端與第三層歸一化層LN的輸入端殘差連接；加法器J4的輸入端與第四層歸一化層LN的輸入端殘差連接； 第一層歸一化層LN的輸入端作為第一改進后的SwinTransformerBlock的輸入端；加法器J4的輸出端作為第一改進后的SwinTransformerBlock的輸出端；加法器J2的輸出端與第三層歸一化層LN的輸入端連接； 第一改進FFN模塊與第二改進FFN的內部結構是一致的； 所述第一改進FFN模塊，包括： 依次連接的1*1的卷積層C1、維度變換Reshape層R1、3*3的深度可分離卷積Depth-wise層C2、維度變換Reshape層R2和卷積層C3。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東大學，其通訊地址為：250061 山東省濟南市歷下區經十路17923號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。