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！

龙图腾网获悉广州大学申请的专利一种基于多尺度特征提取的轻量化双目立体匹配方法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：CN117132794B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202311076771.4，技术领域涉及：G06V10/75；该发明授权一种基于多尺度特征提取的轻量化双目立体匹配方法是由严一尔;黄绮敏设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本一种基于多尺度特征提取的轻量化双目立体匹配方法在说明书摘要公布了：本说明书实施例提供了一种基于多尺度特征提取的轻量化双目立体匹配方法，通过特征提取器使用切块卷积和残差块进行下采样，保留更多有效的特征信息，生成高精度的特征图；通过语义指导模块，保留原图信息，进行有效的视差修正；使用结构轻巧的轻量化代价聚合网络，以快速的推理速度进行代价聚合；使用TensorRT优化器对网络层进行推理加速，在资源受限的NVIDIAJetsonNano设备上进行实时部署，同时保持较高的精确度。

本发明授权一种基于多尺度特征提取的轻量化双目立体匹配方法在权利要求书中公布了：1.一种基于多尺度特征提取的轻量化双目立体匹配方法，其特征在于，包含下述步骤：S1.基于切块卷积的特征提取器对输入图像提取特征，得到相对于原始输入图像14和116分辨率的特征图； S2.将左输入图通过最大池化层和三个残差层得到14分辨率特征图，构建语义指导模块；具体方法如下： 首先，使用左输入图通过最大池化层得到14分辨率特征图，再通过一个步长为1的3×3的普通二维卷积调整输入通道数； 然后，通过三个残差块进行过滤，每个残差块包含两个步长为1的3×3普通二维卷积； 最后，通过一个步长为1的3×3的普通二维卷积调整输出通道数，其中，所述输出通道数与所述116分辨率的粗估计视差图通过双线性插值上采样处理至14分辨率的视差图的通道数相同； S3.使用提取得到的116分辨率特征图来构建分组距离代价体积，通过轻量化的代价聚合网络对所述分组距离代价体积进行正则化处理，得到聚合后的匹配代价体积； 所述轻量化的代价聚合网络由两个卷积核大小为5×5×5的三维卷积层和两个残差块构成；通过第一个5×5×5的三维卷积层提高代价体积的维度；通过所述两个残差块进一步优化代价体积，此处的每个残差块都是一个卷积核大小为5×5×5的三维卷积层、两个卷积核大小为1×1×1的三维卷积层以及跳连结构构成；最后，通过第二个5×5×5的三维卷积层降低代价体积的维度，获得最终细化的代价体积； S4.聚合后的匹配代价体积通过视差回归生成116分辨率的粗估计视差图，将所述116分辨率的粗估计视差图通过双线性插值上采样处理至14分辨率的视差图，与通过语义指导模块输出的14分辨率的特征图进行拼接后，通过双线性插值上采样至全尺寸，得到第一阶段视差图； S5.将第一阶段所述116分辨率的粗估计视差图通过双线性插值上采样至14分辨率视差图，与通过语义指导模块的14分辨率特征图进行拼接后得到视差修正后的14分辨率视差图，视差修正后的14分辨率视差图和左图特征进行动态偏移量构建分组相关代价体积，所述代价体积通过代价聚合网络和视差回归获得残差图，将所述残差图添加到第一阶段视差修正后的14分辨率视差图生成14分辨率精估计的视差图，通过双线性插值上采样成全尺寸，得到第二阶段视差图； S6.使用Adam优化器对损失函数进行优化模型；利用TensorRT对优化后的模型进行推理加速。

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广州大学，其通讯地址为：510006 广东省广州市番禺区小谷围街道大学城外环西路230号；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”。