Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京博迅智控科技有限公司吕明波获国家专利权

南京博迅智控科技有限公司吕明波获国家专利权

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!

龙图腾网获悉南京博迅智控科技有限公司申请的专利基于可见光和热成像的空间图像生成方法及系统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:CN119904723B

龙图腾网通过国家知识产权局官网在2025-10-03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:202510373155.8,技术领域涉及:G06V10/80;该发明授权基于可见光和热成像的空间图像生成方法及系统是由吕明波;张玲设计研发完成,并于2025-03-27向国家知识产权局提交的专利申请。

基于可见光和热成像的空间图像生成方法及系统在说明书摘要公布了:本发明公开了基于可见光和热成像的空间图像生成方法及系统,涉及图像生成技术领域,包括,获取热成像图像数据、可见光灰度数据、深度图数据以及事件相机数据作为采集数据,进行统一坐标系和空间对齐;对采集数据进行Patch分割,并添加位置编码。本发明所述方法通过采用ViT计算全局注意力分布,可以使得每个Patch关注所有其他Patch,确保跨模态数据的特征不仅仅受局部邻域影响,而是结合整个图像的信息,通过计算综合特征矩阵,使用线性变换可以确保最终的融合特征既包含ViT计算的全局信息,通过计算得到的空间注意力权重直接作用于通道增强特征矩阵,进一步优化空间特征的表达。

本发明授权基于可见光和热成像的空间图像生成方法及系统在权利要求书中公布了:1.基于可见光和热成像的空间图像生成方法,其特征在于,包括: 获取热成像图像数据、可见光灰度数据、深度图数据以及事件相机数据作为采集数据,进行统一坐标系和空间对齐; 对采集数据进行Patch分割,并添加位置编码,采用ViT网络计算注意力得分矩阵,进行多头注意力计算组成综合特征矩阵,并进行线性变化得到多模态特征; 使用卷积块注意力机制CBAM计算多模态特征的通道注意力权重和空间注意力权重,得到通道增强特征,基于MLP神经网络输出3D位置预测颜色,使用NeRF计算光线颜色值,并生成3D特征矩阵,采用深度可分离卷积进行特征降维,提取多尺度特征矩阵; 基于深度图数据使用NeRF根据相机的内参矩阵K和外参矩阵,包括相机的旋转R和相机的平移T,进行3D投影; 基于MLP神经网络构建预训练的颜色预测模型,包括输入层、隐藏层和输出层; 根据通道增强特征在隐藏层采用多层感知机MLP进行非线性变换,输出3D位置预测颜色; 基于3D投影数据对于每个光线方向r,通道增强特征计算体密度和预测颜色确定不同光线的颜色值,并通过NeRF训练生成3D特征矩阵,表示为: ; 其中表示光线方向r的最终颜色值,和分别表示光线离开3D体积的最远深度和光线进入3D体积的最近深度,表示光线r在深度t处的体密度,表示光线r在深度t处的预测颜色,表示光线r的起点到深度t的透射率; 采用深度可分离卷积DSConv,对NeRF训练生成的3D特征矩阵在空间维度上进行通道独立卷积,表示为: ; 其中表示经过深度卷积计算后的特征图,表示通道总数,表示处理通道i的深度卷积核,表示3D特征矩阵的通道i的数据; 通过执行点卷积进行特征降维,提取多尺度特征矩阵; 使用生成对抗网络进行最终映射输出融合图像,进行融合图像的无损压缩,并进行加密安全传输。

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京博迅智控科技有限公司,其通讯地址为:211100 江苏省南京市江宁区天元西路59号银城INC中心科亚项目二号楼9层902-1室(江宁开发区);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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。