基于伪孪生神经网络的低纹理工业零件6D位姿估计

您当前的位置：

首页 >

文章列表页 >

基于伪孪生神经网络的低纹理工业零件6D位姿估计

学术论文 | 更新时间：2025-07-02

上一篇|下一篇

- 基于伪孪生神经网络的低纹理工业零件6D位姿估计
- 6D Pose Estimation of Low Texture Industrial Parts Based on Pseudo-Siamese Neural Network
- 王神龙，雍宇，吴晨睿
- 电子学报 2023年51卷第1期页码：192-201
- 作者机构：
  上海理工大学机械工程学院，上海 200093
- 作者简介：
  王神龙男，1989年8月出生于安徽省安庆市.上海理工大学机械工程学院副教授、硕士生导师.主要研究方向为随机动力学与控制、机器视觉与机器学习等.E-mail: shenlongwang@usst.edu.cn
  雍宇男，1996年11月出生于江苏省扬州市.上海理工大学机械工程学院硕士研究生.研究方向为目标检测、6D位姿估计.E-mail: 1219817191@qq.com
  吴晨睿（通讯作者）男，1989年9月出生于黑龙江省哈尔滨市.上海理工大学机械工程学院讲师、硕士生导师.主要研究方向为机器人视觉伺服控制、工业零件目标位姿估计等.E-mail: wuchenrui@usst.edu.cn
- 基金信息：
  国家自然科学基金青年项目(52105525);国家自然科学基金面上项目(12172226)
- DOI： 10.12263/DZXB.20211688
  中图分类号：
- 修回：2022-03-23 ，
- 稿件说明：
移动端阅览
DOI：
DOI：

HTML全文
图( 11 ) 表( 3 )
参考文献
出版信息
数据统计

摘要

Abstract

关键词

Keywords

references

69

浏览量

115

下载量

1

CSCD

文章被引用时，请邮件提醒。

提交

工具集

BibTeX下载
Endnote下载
RefMan 下载
NoteExpress下载
NoteFirst下载

关联资源

相关文章

面向工业多时间尺度软测量的时序解耦与度量对齐Transformer模型

网络流量分类和生成方法研究综述

近场通信中的信道估计：关键技术、挑战与展望

基于MAAM-LKN模型的稀疏阵列双子阵RCS缩减方法

基于LaFMD处理的新型阈值调控技术研究

相关作者

王神龙

雍宇

吴晨睿

欧晨

张颖

王琢妍

侯海良

陈洁

相关机构

上海理工大学机械工程学院

湖南工商大学微电子与物理学院

湖南工商大学人工智能与先进计算学院

湖南工商大学计算机学院

四川大学网络空间安全学院