一种基于可学习先验扩散模型的类级别物体位姿估计方法

本发明属于三维感知技术领域，公开了一种基于可学习先验扩散模型的类级别物体位姿估计方法。本发明在训练过程中，可学习先验特征的参数能够动态更新，无需采集特定类别三维模型，有效提高了网络对类别信息的学习能力。本方法引入了Transformer扩散模型，并结合位置编码模块，增强了网络对物体三维信息的理解能力，从而提高了物体姿态估计的准确性。针对具有对称性的物体，本发明从物体位姿的概率分布出发，巧妙应对因对称性导致的多个可能姿态解的复杂性问题，有效避免了对称性对姿态估计的干扰，显著提升了网络在此类物体上的估计性能。本发明提供了一种高效、精准的姿态估计方法，为智能机器人抓取提供了可靠的技术支持。