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！

龙图腾网获悉大连理工大学;南京华昱海工装备科技有限公司申请的专利一种基于双目视觉的海洋波浪场重构方法和装置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：CN119693559B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411907820.9，技术领域涉及：G06T17/00；该发明授权一种基于双目视觉的海洋波浪场重构方法和装置是由李志富;周鑫;石玉云;宁德志设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于双目视觉的海洋波浪场重构方法和装置在说明书摘要公布了：本发明属于海洋观测技术领域，公开了一种基于双目视觉的海洋波浪场重构方法和装置。一种基于双目视觉的海洋波浪场重构方法包括：通过Bouguet校准算法标定相机内参，利用配备IMU传感器的双目相机采集图像和位姿信息，并通过SURF算法提取特征点，在博弈论框架下完成特征匹配，使用RANSAC算法剔除异常点。随后，基于八点法计算相机参数，通过SBA算法优化相机参数及三维点坐标。接着，采用极线校正和SGM算法生成视差图，并对其进行形态学处理。处理后的图像经三角测量生成三维点云，并进行滤波。最后，通过RANSAC算法估计海平面位置，并通过最小二乘法优化结果，完成海洋波浪的三维重建。

本发明授权一种基于双目视觉的海洋波浪场重构方法和装置在权利要求书中公布了：1.一种基于双目视觉的海洋波浪场重构方法，其特征在于，步骤如下： 步骤1、使用双目相机拍摄至少15组不同位置和视角的标定板图像，每组标定板图像均包括左视图和右视图；基于张正友标定法的Bouguet校准算法估计双目相机内参矩阵并进行畸变校正； 步骤2、使用配备IMU传感器的双目相机采集目标区域的波面图像和双目相机的三维位姿信息，根据SURF算法提取左视图和右视图的特征点，生成特征描述子；基于博弈论框架的特征匹配对特征点进行特征匹配，并通过RANSAC算法消除异常点，获得匹配点； 步骤3、使用八点法计算匹配点的基础矩阵，进而计算本质矩阵；将本质矩阵通过SVD分解得到相机外参矩阵，从而确定两台相机的相对位姿，根据SBA算法对相机参数和三维点坐标进行整体优化； 步骤4、根据Bouguet算法的极线校正原理对左视图和右视图进行极线校正，保证图像中极线与相机基线平行，对校正后的图像进行裁剪以消除无法匹配的区域，实现对应匹配点的搜索从二维降低到一维，校正后的图像根据SGM算法进行立体匹配和形态学处理获得视差图； 步骤5、根据视差图使用三角测量法生成三维点云，结合应用场景对三维点云进行滤波操作；根据RANSAC算法对平均海平面位置进行估计，获得初始估计的海平面位置后再对所有内点进行最小二乘拟合，引入以点到相机的距离为权重系数，改善初始海平面估计，最终在估计的海平面位置生成波浪三维重构模型； 步骤2中，所述基于博弈论框架的特征匹配，结合仿射变换一致性和极线几何约束实现特征点的匹配； 特征匹配的初始阶段：每一对可能匹配的候选特征点视为博弈论中的一个匹配策略，所有匹配策略构成策略集合O＝{1,...,n}；多个候选特征点的匹配对之间通过博弈过程进行竞争，每个匹配策略的收益取决于其与其他匹配对在几何上的一致性收益矩阵C＝cij，其中cij为使用匹配策略i对抗匹配策略j的个体所获得的收益；混合策略是可用匹配策略的随机初始化，即在策略集合O上的概率分布x＝x1,x2,...,xnT，受限于n维标准单纯形中，xi为选择对应纯匹配策略的概率，xi≥0，i∈1,…,n且 匹配策略的博弈选择阶段：选择的匹配策略x首先应满足纳什均衡，对于任意的混合策略y∈△，均满足xTCx≥yTCy；选取一种进化的方法计算纳什均衡，即进化稳定策略，匹配策略x满足纳什均衡且满足以下条件：考虑到选择的效率和简便性，使用模仿者动态方程驱动选择过程，it为迭代次数；在此博弈论框架中让不同匹配彼此竞争，每个匹配均获得来自兼容关联的支持，同时承受来自所有其他匹配的竞争压力；通过运行模仿者动态方程来模拟选择过程，在平衡时，只有相互兼容的匹配得以保留并视为内点； 结合仿射变换一致性定义匹配博弈阶段：给定一个源图像中的特征点集合M和目标图像中的特征点集合D，任何由ag∈M，g＝1,2,...,m和bh∈D，h＝1,2,...,n'组成的匹配策略对ag,bh为匹配策略，所有匹配策略的集合为由于特征点提取器从源图像中提取数千个特征点，故对每个源图像的特征点，根据描述符距离生成k个匹配策略，连接至目标图像中k个最近的特征以合理筛选和限制规模，k＝3～4；定义一个收益函数以利用在估计双目相机和场景参数之前可用的一些成对信息，成对信息为匹配策略之间的相似性，从而在全局上施加一致性；由于特征描述符记录的位置、尺度和旋转信息与每个特征点相关联，将源图像中特征点与目标图像中特征点之间的每一个匹配ag,bh关联为一个相似性变换Tag,bh，将源图像中的位置、方向和尺度映射到目标图像中；在小范围运动假设下，预料到这些相似性变换在局部上是相似的；定义收益函数Π时，根据重投影的概念和相似性实现一对一的匹配，两个匹配策略aw1,bw2和az1,bz2及其相似变换Taw1,bw2和Taz1,bz2，其中w1、z1为区间[1,m]上的任意整数；w2、z2为区间[1,n']上的任意整数；定义虚拟点bw2'＝Taz1,bz2aw1；bz2'＝Taw1,bw2az1，根据衡量aw1,bw2和az1,bz2之间的相似度，其中λ是一个选择性参数；当λ较小时，相似函数对相似变换中的偏差有较强的容忍性，λ越大，选择性越强；收益函数Π定义为： 提出基于极线约束的博弈设定，对匹配策略进一步优化；在该博弈中，匹配策略的集合S对应于从仿射匹配博弈即结合仿射变换一致性定义的匹配博弈中提取的成对特征组，且这些特征组之间的收益与其对共同极线几何的符合程度有关；具体如下：给定两对匹配组和从集合aUb中估计极线几何并定义它们之间的收益为： 其中，ls是一个函数，根据源图像中的特征点t得到目标图像中的极线l；dt,l表示特征点t与极线l之间的距离；经上述操作优化匹配对的选择，最终实现特征匹配操作。

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大连理工大学;南京华昱海工装备科技有限公司，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。

以上内容由龙图腾AI智能生成。