摘要
本发明公开了基于几何自适应局部坐标系的点云3D人体姿态估计方法,涉及3D人体姿态估计技术领域;该方法包括如下步骤:基于几何自适应局部坐标系模块,构建动态构建以关键点为中心的局部坐标系,增强点云中细粒度局部特征的捕获能力,进行局部特征提取;基于双分支全局特征提取模块,根据点云类型和任务需求动态选择架构,保持局部特征与全局特征一致性,融合局部特征生成全局姿态表示;基于精炼模块,通过自注意力机制并利用姿态先验知识,提升姿态估计的精炼精度。本发明通过创新的GAL模块和高效率的GFE模块,实现高精度、鲁棒且实时性强的3D人体姿态估计,显著克服了现有技术在局部细粒度特征提取不足和高计算复杂度等方面的局限性。
技术关键词
人体姿态估计方法
全局特征提取
坐标系
局部特征提取
协方差矩阵
融合局部特征
全局特征融合
模块
姿态先验
邻域
K近邻算法
人体姿态估计技术
关键点
分支
注意力机制
邻居
特征值
系统为您推荐了相关专利信息
机器人基坐标系
空间运动轨迹
协作机器人
闭环反馈优化
动态抗干扰
快速成像方法
深度卷积神经网络
多层次特征
航空
电磁
面向工业物联网
联邦学习方法
特征提取器
分类器
初始同步时间
焊缝特征点
深度坐标值
加权主成分分析
生成方法
飞行传感器