改进YOLO6D的目标姿态估计算法

针对三维空间下被遮挡和弱纹理目标物难以进行精确姿态估计的问题,提出了一种基于改进YOLO6D的目标姿态估计算法。首先,引入残差网络结构,解决了神经网络层数增加带来的梯度问题并加快模型收敛;其次,加入空间金字塔池化(SPP-CSP)模块使网络充分利用多尺度特征图信息来增强对目标物的特征提取。实验结果显示,改进后的网络在自建数据集上整体指标2D重投影上升了6.68%,5 cm5°上升了6.05%,在官方数据集Occlusion LineMOD上整体精度上升了8.74%,有效提高了目标姿态估计的整体检测性能。

基于改进YOLO6D的单目位姿估计算法研究

针对当前基于单目RGB图像的杂乱场景中低纹理物体6D位姿估计算法精度不高、实时性不强、模型复杂等问题,提出了一种基于改进YOLO6D的物体位姿估计算法。用纯卷积神经网络ConvNeXt替换原算法的主干网络DarkNet—19,将网络输出经过空间金字塔池化(SPP)处理后上采样,与低层特征图拼接实现特征融合,以提高网络的特征提取能力和多尺度能力。基于Focal Loss改进损失函数以提升网络的学习能力。根据物体的先验尺寸信息和几何特征,推导出更多的2D—3D点对以提高透视投影变换PnP算法的解算精度。在LINEMOD数据集上进行了实验,实验结果表明:以2D重投影5像素阈值为指标,本文算法在12个实验对象上的平均精度达到了95.60%,相较原算法提升了8.14个百分点,耗时约为60ms,性能显著提升。

SF-6D在慢性阻塞性肺疾病病人健康效用值测量中的应用研究进展

对六维健康调查简表的构成、测量学特性、在慢性阻塞性肺疾病(COPD)病人健康效用值研究中的应用情况进行综述,并提出存在的问题与展望,以期为进一步开展相关研究提供参考。

融合残差注意力和标准偏差的6D姿态细化网络

在6D物体姿态估计领域中,现有算法往往难以实现对目标物体精准且鲁棒的姿态估计.为解决该问题,提出了一种结合残差注意力、混合空洞卷积和标准差信息的物体6D姿态细化网络.首先,在Gen6D图片特征提取网络中,采用混合空洞卷积模块替换传统卷积模块,以此扩大感受野、加强全局特征捕获能力.接着,在3D卷积神经网络中,加入残差注意力模块,这有助于区分特征通道的重要程度,进而在提取关键特征的同时,减少浅层特征的丢失.最后,在平均距离损失函数中,引入了标准差信息,从而使模型能够区分物体的更多姿态信息.实验结果显示,所提出的网络在LINEMOD数据集和GenMOP数据集上的ADD指标分别达到了68.79%和56.03%.与Gen6D网络相比,ADD指标分别提升了1.78个百分点和5.64个百分点,这一结果验证了所提出的网络能够显著提升6D姿态估计的准确性.

面向目标6D姿态追踪的复用预测网络

为提高目标6D姿态追踪网络的收敛能力和追踪精度,提出一种基于少量数据驱动的目标6D姿态追踪复用预测网络。以当前时刻的彩色及深度(red green blue and depth,RGB-D)图像和上一时刻的目标渲染值作为输入,通过2个独立的特征编码器提取特征矩阵,在特征编码器中引入通道注意力机制模块,保证有选择性地调整通道信息的权重;构建复用预测网络模块,将特征矩阵解耦得到旋转矩阵,通过旋转矩阵前向传播与特征矩阵融合,将融合的结果再次解耦得到物体6D姿态的旋转矩阵与平移矩阵,并采用李代数方法通过2个矩阵计算出目标的6D姿态。实验结果表明:在使用少量数据训练网络模型的情况下,与MaskFusion、“TEASER++”和se(3)-Tracknet等方法相比,所提方法能够提高目标6D姿态追踪的准确率。

Ms4a6d 基因敲除对雌性小鼠生育力的影响

目的探究巨噬细胞表面特异分子跨膜4域亚家族A成员6D(membrane-spanning 4-domains subfamily A member 6D,Ms4a6d)基因敲除对雌性小鼠生育力的影响。方法构建Ms4a6d基因敲除小鼠,以各周龄纯合Ms4a6d基因敲除(Ms4a6d^(-/-))小鼠为实验组;采用qPCR、琼脂糖凝胶法鉴定小鼠基因型;运用HE染色、免疫荧光、ELISA等方法检测血清抗缪勒管激素(anti-müllerian hormone,AMH)和雌性Ms4a6d^(-/-)小鼠卵巢中巨噬细胞数量及各级卵泡构成变化;通过生育力实验比较成年Ms4a6d^(-/-)雌鼠妊娠率及平均产仔数变化。结果与同周龄野生型(Ms4a6d+/+)雌鼠比较,2周龄和4周龄的Ms4a6d^(-/-)雌鼠卵巢组织中巨噬细胞显著减少(P<0.01);8周龄时2组卵巢巨噬细胞差异无统计学意义;8周龄Ms4a6d^(-/-)雌鼠卵巢系数显著降低(P<0.01);8周龄时卵巢组织中原始卵泡、初级卵泡、次级卵泡和窦卵泡数量显著减少(P<0.05),各年龄段Ms4a6d^(-/-)雌鼠血清中AMH显著降低(P<0.05)。成年Ms4a6d^(-/-)雌鼠的平均妊娠率为56%,每胎产仔数为(4.1±1.1)只,均显著低于同龄野生型雌鼠的妊娠率(89%)和每胎产仔数[(6.3±1.2)只]。结论Ms4a6d基因敲除导致青春期前雌鼠卵巢组织中巨噬细胞数量减少,抑制其生长卵泡发育,最终表现为成年雌鼠卵巢储备减少,生育力降低。

“6D法则”在住院医师规范化培训院级师资培训中的探索和运用——以教学查房培训为例

目的在住院医师规范化培训(简称住培)院级师资培训中引入“6 D法则”,推进师资培训的“三个转化”,即住培师资岗位需求的转化、培训内容的转化、师资内在的素质和能力的转化。方法以院级教学查房培训为例,将培训设计为准备、培训、转化和评估4个阶段,实现培训后的转化以及培训质量的改善。结果基于“6 D法则”的教学查房培训过后,以教学督导的形式进行总结性评估。接受过教学查房培训的师资平均得分为90.00分,未接受过教学查房培训的师资平均得分为84.93分,培训达到了预期目标。结论“6 D法则”采用系统化思维方式,注重学习转化和绩效的改善,将以终为始的理念贯穿整个培训过程,有利于培训取得实效。

基于光场EPI图像栈的6D位姿估计方法

光场相机单次拍摄可以同时记录光线的强度与方向信息,相较于RGB相机能够更好地揭示场景的三维结构和几何特征,在目标6D位姿估计领域具有独特优势。针对现有RGB位姿估计方法存在复杂场景下检测精度低、鲁棒性差的问题,本文首次提出了一种基于光场图像的端到端卷积神经网络目标位姿估计方法。该方法首先利用双路EPI编码模块实现高维光场数据的处理,通过重构出光场EPI图像栈和引入水平和垂直EPI卷积算子,提高对光场空间角度信息关联的建模能力,并由双分支孪生网络进行光场图像的浅层特征提取。其次,设计了带跳跃连接的特征聚合模块,对串联后的水平和垂直方向光场EPI浅层特征进行全局上下文聚合,使网络在逐像素关键点位置预测时有效结合全局和局部特征线索。针对光场数据不足问题,本文使用Lytro Illum光场相机采集真实场景,构建了一个丰富且场景复杂的光场位姿数据集——LF-6Dpose。在光场位姿数据集LF-6Dpose上的实验结果表明,该方法在ADD-S和2D Projection指标下平均位姿检测精度分别为57.61%和91.97%,超越了其他基于RGB的先进方法,能够更好地解决复杂场景下的目标6D位姿估计问题。

基于改进YOLO6D的工业零件位姿检测算法

针对工业现场散乱堆叠、零件位姿难以准确检测的问题,提出一种基于改进YOLO6D的工业零件位姿检测算法。首先,对原始YOLO6D网络结构进行改进。以Darknet53作为主干网络,并在其残差块内部引入坐标注意力机制,强化神经网络对坐标信息的表达能力;利用空洞空间金字塔池化捕获多尺度上下文信息,实现底层坐标信息与高层语义信息的特征融合;采用Mish函数作为激活函数,增强神经网络的鲁棒性。在此基础上,采用改进YOLO6D网络检测工业零件6D位姿。以工业零件图像作为改进YOLO6D网络的输入,直接回归输出目标零件3D边界框的9个关键点,利用2D-3D空间中的映射关系,采用PnP算法计算目标零件的6D位姿。最后,进行工业零件位姿检测实验验证。实验结果表明,所提算法具有较高的准确性和鲁棒性,为三维空间内工业零件的位姿检测提供了一种有效的思路。

基于循环神经网络的双目视觉物体6D位姿估计

针对当前物体6D位姿估计任务准确率较低的问题,提出双目数据集制作方法及物体6D位姿估计网络Binocular-RNN.将YCB-Video Dataset中已有图像作为双目相机左摄像头捕获内容,利用Open GL将YCB-Video Dataset中相应三维物体模型进行导入,输入各物体相关参数,由虚拟双目相机右摄像头捕获合成图片.利用单目预测网络分别对双目数据集中左、右图像的几何特征进行提取.经过循环神经网络对几何特征进行融合,并预测物体6D位姿.以模型点平均距离(ADD)、平均最近点距离(ADDS)、平移误差和角度误差作为评价指标,对Binocular-RNN与其他位姿估计方法进行对比.结果表明,在利用单一物体对网络进行训练时,Binocular-RNN的ADD或ADDS指标得分分别为PoseCNN、GDR-Net的2.66、1.15倍.利用基于物理的实时渲染(Real+PBR)方式训练的Binocular-RNN的性能超过基于深度神经网络的迭代6D姿态匹配的方法(DeepIM).

基于机器视觉的分拣机器人6D位姿估计

为解决传统分拣机器人通过人工示教完成指定动作其自动化程度低、实时性差、可移植性弱等问题,研究设计了基于机器视觉的分拣机器人实验平台,提出了基于粗配准与增强精配准混合递进配准策略的6D位姿高精度估计方法。首先,将由视觉传感器采集的3D点云信息进行背景信息去除、目标区域裁剪、ROI提取等预处理;然后采用采样一致性初始配准算法(SAC-IA)进行位姿粗配准,再利用迭代最近点算法(ICP)进行精配准及正态分布变换(NDT)进行增强精细配准,以获得高精度6D位姿。实验结果证明,通过粗配准与增强精配准能够快速准确获得待抓取目标6D位置和姿态,与理论位置和姿态相比较其误差分别控制在1.5 mm和2°之内,满足分拣机器人的实际需求,所提出的方法便于在基于机器视觉的机器人装配、打磨等有高精度6D位姿估计场合推广应用。

6D学习方法在耳鼻喉科临床教学的应用

目的评估在耳鼻喉科教育中,引入教学(Didactics)、指定(Designate)、分发(Distribute)、设计(Design)、交付(Delivery)和讨论(Discuss)的6D学习方法的教学效果。方法选取2019年9月—2020年9月中国医科大学60名临床医学专业学生作为研究对象,随机分为2组:6D学习方法组和传统学习方法组,每组30名。6D学习方法组采用6D学习法,传统学习方法组采用常规教学模式。比较2组学生的最终考试成绩和教学满意度。结果6D学习方法组的学生最终考试成绩以及教学满意度均高于传统学习方法,差异有统计学意义(P<0.05)。结论应用6D学习方法有助提高学生学习成绩,更能带动学生积极性及学习满意度,有应用价值。

基于6D的中国城市群空间格局优化:经验、问题与路径

城市群空间格局优化是国土空间高质量发展的重要内容。基于“6D”理论框架即密度、距离、分割、特色、品质和数字六大方面总结城市群空间格局优化的代表性实践探索及成效,明确城市群空间格局优化在产业分工、创新驱动、城市体系、人口空间分布及智慧城市群打造等方面面临的挑战,最后提出“六型”城市群空间格局优化战略,打造要素紧凑、内联外通、政策协作、产城协同、美好生活和数字智慧“六型”城市群。

基于特征融合和注意力机制的物体6D姿态估计算法

针对物体6D姿态估计易受目标物体的弱纹理和小体积特性、复杂背景、遮挡的影响,提出一种结合特征融合和注意力机制的物体6D姿态估计算法。首先,在RGB图像特征提取网络的首个卷积块中加入卷积注意力模块,提升弱纹理小物体的区域显著度;其次,在基于编解码结构的RGB图像特征提取网络中引入基于卷积注意力模块的跳跃连接,有效地将编码阶段的颜色、纹理等细节外观特征融合到解码阶段的姿态语义特征中,弥补姿态语义特征缺乏细节外观特征的问题;然后,使用通道注意力模块改进池化金字塔模块,增强目标物体可见区域与遮挡区域的联系,提升遮挡鲁棒性;最后,使用卷积注意力模块重构解码阶段输出的姿态语义特征,增强相似表面特征的区分度,从而降低外观相似物体对物体6D姿态估计的干扰。实验结果表明,该算法在Occlusion LINEMOD数据集和LINEMOD数据集上ADD(-S)指标分别达到73.4%和99.8%,与FFB6D相比,分别提升7.8百分点和0.1百分点,验证了该算法的可行性。

基于伪孪生神经网络的低纹理工业零件6D位姿估计

从单帧RGB图像中获取目标物体的6D位姿信息在机器人抓取、虚拟现实、自动驾驶等领域应用广泛.本文针对低纹理物体位姿估计精度不足的问题,提出一种基于伪孪生神经网络的位姿估计方法 .首先,通过渲染CAD模型的方式,获取不同观察角度下的RGB图作为训练样本,解决了深度学习中数据集获取与标注较为繁琐的问题.其次,利用伪孪生神经网络结构学习二维图像特征和物体的三维网格模型特征之间的相似性,即分别采用全卷积网络和三维点云语义分割网络构成伪孪生神经网络,提取二维图像和三维模型的高维深层特征,使用网络推断密集的二维-三维对应关系.最后,通过PnP-RANSAC方法恢复物体的位姿.仿真数据集的实验结果表明,本文提出的方法具有较高的准确性和鲁棒性.

基于热力图和注意力机制的单目6D姿态估计算法

基于二阶段坐标解耦的单目6D姿态估计方法具有稳定、高效和训练速度快的特点,但在精度上还存在改进空间.提出了一种利用高斯热力图坐标回归和融合注意力的单目6D姿态估计算法.该算法在ResNet34骨干网络中引入融合注意力模块,使网络能够更好地学习物体的表面特征和空间信息;基于可微分空间坐标变换对平移量计算网络进行改进,能够更准确地预测坐标平移量.该算法使用基于密度层次化的聚类方法,建立点云的哈希索引,对所预测的3D点云进行约束,同时有效减少离群的3D采样点.在训练阶段,该算法使用合成渲染图像对LineMod数据集进行扩展,为网络训练提供丰富数据.实验结果表明,该方法的ADD(-S)指标和2D投影误差指标分别达到了93.27%和98.81%,相比基准方法CDPN分别提高了3.41%和0.79%,与PVNet和DPOD等比较新颖的算法对比显示出综合优越性.

MS4A6D通过激活NLRP3炎性小体促进卡拉胶诱导的小鼠足垫肿胀

目的研究巨噬细胞特异性表达的4次跨膜蛋白MS4A6D(membrane-spanning 4-domain subfamily A(MS4A)superfamily protein 6D)对卡拉胶(carrageenan,CGN)诱导的小鼠足垫肿胀的影响及其可能的机制。方法以雄性SPF级野生型(WT)小鼠及各种基因敲除(Ms4a6d^(-/-)、Nlrp3^(-/-)、Casp-1^(-/-)及IlR1^(-/-))小鼠为研究对象,采用一次性足下注射100μl 1%CGN(w/v)+20μl CaCl_(2)(50 mmol/L)的方法建立小鼠足垫肿胀模型;对比观察WT及各基因敲除小鼠的足垫肿胀严重程度;利用H&E染色对足垫肉组织进行病理学分析并采用免疫荧光检测足垫组织中巨噬细胞的浸润情况;采用Western blot对比分析组织NLRP3、IL-1β及IL-18的蛋白表达水平。结果1)在1%CGN+CaCl_(2)(50 mmol/L)的联合注射可显著促进小鼠的足垫肿胀,然而Ms4a6d^(-/-)小鼠的足垫肿胀程度显著低于WT小鼠(P<0.05);2)H&E染色可见WT模型组小鼠足垫发生明显的组织损伤和炎症浸润,并伴有坏死病灶,而Ms4a6d^(-/-)小鼠的足垫其水肿程度减轻、炎症浸润显著减轻,CD68+巨噬细胞浸润明显减少;3)WT模型组足垫组织中成熟的Caspase-1酶及IL-1β的表达显著高于Ms4a6d^(-/-)组;4)与WT对照小鼠相比,卡拉胶诱导的Nlrp3^(-/-)、Casp-1^(-/-)及IlR1^(-/-)小鼠其足垫肿胀程度显著减轻(P<0.05)。结论MS4A6D通过促进巨噬细胞NLRP3炎性小体的激活并诱导IL-1β及炎症因子的释放而加剧CGN诱导的小鼠足垫肿胀,表明MS4A6D促进急性炎症进展。

跨膜4域亚家族成员6D基因敲除致雄性小鼠生育力降低实验研究

目的:探讨跨膜4域亚家族成员6D(Ms4a6d)基因敲除对雄性小鼠生育力的影响。方法:采用聚合酶链式反应(PCR)鉴定小鼠基因型,将Ms4a6d^(-/-)雄鼠和野生型C57小鼠分别与同龄野生型雌鼠合笼交配,统计各组雌鼠怀孕产仔情况,收集睾丸组织,称重并计算器官指数,评估附睾尾精子数量、运动参数等变化情况,通过形态学分析和HE染色评估小鼠睾丸组织形态学变化,采用免疫荧光染色分析睾丸巨噬细胞变化。结果:Ms4a6d^(-/-)雄鼠子代数目显著低于WT雄鼠(P<0.05);Ms4a6d^(-/-)雄鼠睾丸体积及质量均减少(均P<0.05);Ms4a6d^(-/-)雄鼠附睾尾精子浓度下降(P<0.05),各项运动参数未见统计学差异(P>0.05);睾丸组织切片HE染色结果显示Ms4a6d^(-/-)雄鼠睾丸曲细精管直径及管腔厚度均明显减少,支持细胞、精原细胞、初级精母细胞及精子细胞均减少;免疫荧光结果显示Ms4a6d^(-/-)雄鼠睾丸巨噬细胞受到影响。结论:Ms4a6d基因敲除干扰了雄性小鼠睾丸的发育,并造成生精小管直径减少、厚度变薄,附睾尾部精子数量显著下降,从而使成年雄鼠的生育力显著下降。

EQ-5D-5L和SF-6D量表的测量腺垂体功能减退患者生命质量及其影响因素分析

目的:采用EQ-5D-5L和SF-6D测量腺垂体功能减退症患者的健康效用值,评估生命质量,并分析其影响因素,比较两量表的适用性,为评估测量我国腺垂体功能减退患者生命质量工具提供参考依据。方法:以调查问卷形式,采用EQ-5D-5L及SF-6D量表计算于海南医学院第一附属医院就诊的腺垂体功能减退患者的健康效用值,进一步评估生命质量,采用Pearson相关系数、ICC组内相关系数评估两量表一致性,多元线性回归分析健康效用值影响因素。结果:共回收有效问卷147例,EQ-5D-5L和SF-6D测量腺垂体功能减退患者的平均健康效用值为(0.795 ± 0.154),(0.808 ± 0.126)。两量表健康效用值测量结果有一定的相关性(r = 0.923, P < 0.01),两量表ICC组内相关系数为0.904,一致性高。我国腺垂体功能减退患者生命质量影响因素为年龄、常住地、婚姻状况、文化程度、收入、是否遵医嘱用药、有无慢病。结论:我国腺垂体功能减退患者健康效用值较健康人群低,EQ-5D-5L及SF-6D量表所测得的健康效用值得分相关性及一致性较高,均可用于评估腺垂体功能减退患者生命质量。

API6D与IOGP S-562相关条款浅析

标准规范是阀门制造商设计、制造阀门的依据,本文介绍API 6D 25版主要变化内容,并与IOGP S-562相关条款对比,解读API 6D 25版与IOGP S-562的相关条款,并浅析对阀门设计、制造的影响。