Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
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 积分商城 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 > 西安电子科技大学张向荣获国家专利权

西安电子科技大学张向荣获国家专利权

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!

龙图腾网获悉西安电子科技大学申请的专利基于边缘增强与自适应视角的大规模多视图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:CN119068209B

龙图腾网通过国家知识产权局官网在2025-11-04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:202411160562.2,技术领域涉及:G06V10/44;该发明授权基于边缘增强与自适应视角的大规模多视图立体匹配方法是由张向荣;刘飞翔;张嘉伟;李俊潇;高力;朱进;周挥宇;张天扬;王冠淳设计研发完成,并于2024-08-22向国家知识产权局提交的专利申请。

基于边缘增强与自适应视角的大规模多视图立体匹配方法在说明书摘要公布了:基于边缘增强与自适应视角的大规模多视图立体匹配方法,包括以下步骤;步骤1:将高分辨率航拍图像三维重建的数据集一部分作为训练样本,另一部分作为测试样本;步骤2:构建轻量级边缘增强的自适应多视图聚合匹配模型:步骤3:设定模型中的绝对深度估计任务、多视图聚合加权任务、边缘区域感知任务的整体损失函数L:步骤4:训练步骤2构建的模型:步骤5:将测试样本输入到包含权重参数的轻量级边缘增强的自适应多视图聚合匹配模型中,预测输出测试样本中各像素深度值及置信度分数。本发明加强源视图对参考视图深度估计任务的贡献效率,提高大规模航拍图像深度估计的精度与边缘部分的重建精度,同时降低了资源占用。

本发明授权基于边缘增强与自适应视角的大规模多视图立体匹配方法在权利要求书中公布了:1.基于边缘增强与自适应视角的大规模多视图立体匹配方法,其特征在于,包括以下步骤; 步骤1:将地面分辨率0.1m的无人机航拍图像三维重建得到数据集,数据集包括图像以及图像的深度真值图; 图像一部分作为训练样本,另一部分作为测试样本; 网络的输入单元是一张参考视图和四张辅助参考视图进行深度估计的源视图组成的图像pair对; 步骤2:以Cas-MVSNet为backbone构建轻量级边缘增强的自适应多视图聚合匹配模型,通过对不同源视图构建不同的代价体组成权重,实现不同源视图贡献的结合; 步骤3:设定轻量级边缘增强的自适应多视图聚合匹配模型中的绝对深度估计任务、多视图聚合加权任务和边缘区域感知任务的整体损失函数L; 步骤4:训练步骤2构建的轻量级边缘增强的自适应多视图聚合匹配模型: 步骤5:将测试样本输入到包含权重参数的轻量级边缘增强的自适应多视图聚合匹配模型中,预测输出测试样本中各像素深度值及置信度分数; 所述步骤2构建轻量级边缘增强的自适应多视图聚合匹配模型具体为: 2a:输入训练样本,从Cas-MVSNet的骨干网络和特征金字塔网络获取三个层级的金字塔特征图,分辨率从低到高依次为F1,F2,F3; 2b:将金字塔特征图F3作为边缘检测分支的输入,得到图像边缘检测图Eimg; 2c:在主分支之外构建成对视图权重模块; 2d:将金字塔特征图F1作为成对视图权重模块的输入,得到源视图的贡献矩阵Ws与成对视图深度估计图Ds; 2e:将源视图的贡献矩阵Ws与金字塔特征图F1,F2,F3进行分别相乘,得到成对视图加权的金字塔代价体 2f:将成对视图加权的金字塔代价体作为循环正则化与回归模块的输入,得到金字塔概率体采用赢家通吃策略得到金字塔深度估计图将的空间分辨率统一到与相同的空间分辨率,得到上采样后的深度估计图 2g:将深度估计图与图像边缘检测图Eimg作为边缘增强的深度细化模块的输入,得到经过细化的深度估计图Drefine; 所述2b中,将金字塔特征图F3作为边缘检测分支的输入,得到图像边缘检测图Eimg,其实现如下: 将金字塔特征图F3经过一个边缘特征提取层,之后经过一个ReLU激活层得到图像边缘特征将图像边缘特征经过一个边缘检测层,之后经过一个Sigmoid激活层得到图像边缘检测图Eimg; 所述2g中,将深度估计图与图像边缘检测图Eimg作为边缘增强的深度细化模块的输入,得到经过细化的深度估计图Drefine,其实现如下: 将深度估计图与图像边缘检测图Eimg作为边缘增强的深度细化模块的输入,依次经过三层带有批归一化和ReLU激活的卷积层,提取深层几何边缘特征将深层几何边缘特征经过一个边缘检测层,之后经过一个Sigmoid激活层得到几何边缘检测图Egeo,与图像边缘检测图Eimg通过或运算得到几何-视觉融合边缘图E,将深层几何边缘特征经过Tanh激活得到深度维度两个高斯分布的均值,经过Sigmoid激活与截断操作得到深度维度两个高斯分布的标准差,在几何-视觉融合边缘图E中判定为边缘的部分中进行高斯分布判别与均值残差细化,得到经过细化的深度估计图Drefine。

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西安电子科技大学,其通讯地址为:710071 陕西省西安市雁塔区太白南路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。

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。