买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌虚拟现实研究院股份有限公司申请的专利一种散斑深度估计方法、系统、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115601410B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211232062.6，技术领域涉及：G06T7/557；该发明授权一种散斑深度估计方法、系统、电子设备及存储介质是由毛凤辉;郭振民设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种散斑深度估计方法、系统、电子设备及存储介质在说明书摘要公布了：本发明提供了一种散斑深度估计方法、系统、电子设备及存储介质，所述方法包括采集带散斑的若干模板图、训练样本图和不带散斑的环境样本图；获得训练样本图的第一深度数据且将其归一化获得归一化深度数据，及获得环境样本图的边缘数据且将其归一化获得归一化边缘监督数据；向训练模型中输入模板图、训练样本图及环境样本图以输出预估深度数据，基于三深度数据计算训练模型的损失值并不断优化训练模型得到完全收敛处理的目标模型；通过目标模型针对待测散斑图及待测无散斑图进行推理得到预测深度信息。通过本申请，可以保证深度精度的情况下，有效的提高通过散斑重建深度信息效率，使得散斑深度相机能在要求高帧率的场合有效应用。

本发明授权一种散斑深度估计方法、系统、电子设备及存储介质在权利要求书中公布了：1.一种散斑深度估算方法，其特征在于，包括： 采集若干模板图、训练样本图以及环境样本图；其中，所述模板图是指在深度重建范围内每隔预设距离采集的带散斑白底平面图，所述训练样本图是指基于相同所述深度重建范围内的不同环境中采集的带散斑图，所述环境样本图是指与所述训练样本图具有相同环境及采集位置的不带散斑图； 根据所述模板图、所述训练样本图以及散斑模板匹配算法，获得所述训练样本图的第一深度数据，且将所述第一深度数据归一化获得归一化深度数据； 根据所述环境样本图以及边缘检测算法，获得所述环境样本图的边缘数据，且将所述边缘数据归一化获得归一化边缘监督数据； 向训练模型中输入所述模板图、所述训练样本图以及所述环境样本图，以输出预估深度数据； 基于所述归一化深度数据、所述归一化边缘监督数据以及所述预估深度数据，计算所述训练模型的损失值，并根据所述损失值不断优化所述训练模型得到完全收敛处理的目标模型； 通过所述目标模型针对待测散斑图及待测无散斑图进行推理得到归一化预测深度数据，并基于所述归一化预测深度数据计算实际估算深度，以实时输出所述待测散斑图及所述待测无散斑图的预测深度信息； 其中，所述基于所述归一化深度数据、所述归一化边缘监督数据以及所述预估深度数据，计算所述训练模型的损失值，并根据所述损失值不断优化所述训练模型得到完全收敛处理的目标模型的步骤具体包括： 将所述模板图、所述训练样本图以及所述环境样本图进行预处理，以滤除所述模板图、所述训练样本图和所述环境样本图中的环境数据； 将预处理的所述模板图、所述训练样本图及所述环境样本图的结果合并训练，得到S个输入样本； 将所述S个输入样本逐一以预定数量的输入样本定义为所述训练模型中的一个超参数batch，获取多个超参数数据，并将所述多个超参数数据输入所述训练模型； 以batch*h*w*M+2作为所述训练模型训练的输入数据维度，且以2*batch*h*w*1，batch*h2*w2*1，batch*h4*w4*1作为所述训练模型训练的输出数据维度，通过所述训练模型输出预估深度数据；其中，h*w表示所述模板图、所述训练样本图及所述环境样本图的分辨率，M表示所述模板图的采集数量； 基于所述预估深度数据通过损失函数计算所述训练模型的损失值，所述损失函数为： 式中，x,y表示像素位置，表示x,y像素位置的预估深度数据，depkx,y表示x,y像素位置的归一化深度数据按k的倍数缩小的深度数据，K的取值为1、2或4，表示x,y像素位置的预测边缘估值，edgex,y表示x,y位置处的归一化边缘监督数据； 根据所述损失值进行反向传播，不断优化所述训练模型的参数直至完全收敛得到目标模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌虚拟现实研究院股份有限公司，其通讯地址为：330038 江西省南昌市红谷滩新区会展路545号红谷城投大厦1408室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。