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！

龙图腾网获悉中国科学技术大学申请的专利一种基于层级化视觉转换的域泛化立体视觉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：CN116703795B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310670205.X，技术领域涉及：G06T5/50；该发明授权一种基于层级化视觉转换的域泛化立体视觉匹配方法是由杨勋;常天宇;王硕;张天柱;汪萌设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本一种基于层级化视觉转换的域泛化立体视觉匹配方法在说明书摘要公布了：本发明公开了一种基于层级化视觉转换的域泛化立体视觉匹配方法，其步骤包括：1、左右目立体匹配图像数据的采集和预处理；2、生成不同层级的变换图像；3、构建损失用于训练图像视觉处理网络T的待学习参数；4、提取图像特征并构建损失用于训练鲁棒的特征提取网络f·；5、计算匹配代价；6、将匹配代价输入到代价聚合模块和视差细分模块得到预测的视差图；7、构建smooth‑l1损失8、构建总体损失函数；9、使用总体损失函数训练完整的立体匹配模型。本发明能在只使用现有的合成数据集训练的条件下，从而能显著提升模型对不同真实数据集的泛化性能。

本发明授权一种基于层级化视觉转换的域泛化立体视觉匹配方法在权利要求书中公布了：1.一种基于层级化视觉转换的域泛化立体视觉匹配方法，其特征在于，包括以下步骤： 步骤1、左右目立体匹配图像数据的采集和预处理： 步骤1.1、获取大规模合成立体匹配数据集作为训练集，其中，将训练集的任意一对左右目立体匹配图像定义为，其中，表示为左目图像，表示为右目图像； 步骤2、将中任意一目图像记为输入图像，并输入到图像视觉处理网络T中，以生成不同层级的变换图像： 步骤2.1、构建图像视觉处理网络T中整体层级的图像视觉转换模块； 定义图像视觉转换模块中包含4种视觉属性变换单元，包括：亮度变换单元、对比度变换单元、饱和度变换单元和色调变换单元； 所述输入图像依次经过随机排序的4种视觉属性变换单元的处理后，得到整体层级的变换图像； 步骤2.2、构建图像视觉处理网络T中局部层级的图像视觉转换模块； 所述图像视觉转换模块先将输入图像划分为个不重叠的图像块，其中，表示第i个图像块，表示在水平或竖直方向上划分的行数或列数； 将第i个图像块输入到整体层级图像视觉转换模块中进行处理，得到第i个整体层级的变换图像块； 使用式5对经过整体层级的图像视觉转换模块后的所有图像块进行处理，从而得到局部层级的变换图像； 5 式4中，表示合并操作； 步骤2.3、构建图像视觉处理网络T中像素层级的图像视觉转换模块； 所述图像视觉转换模块通过式6对输入图像进行扰动，得到像素层级的变换图像： 6 式6中，是一个随机生成的均值为0标准差为1的高斯扰动矩阵，是一个待学习的参数矩阵，h表示输入图像X的高，w表示输入图像X的宽，3表示通道数；代表着sigmoid函数；和是两个超参数； 步骤3、将输入图像和生成的不同层级的变换图像、和输入鉴别网络中进行处理，从而构建域标签分类交叉熵损失和特征差异损失用于训练图像视觉处理网络T中的待学习参数： 步骤3.1、利用式7构成所述域标签分类交叉熵损失： 7 式7中，代表标准交叉熵损失，表示生成的层级的变换图像；，其中，G表示整体层级，L表示局部层级，P表示像素层级；表示输入图像的域标签或层级对应的变换图像的各域标签； 步骤3.2、利用式8构成所述特征差异损失： 8 式8中，代表cosine相似性函数； 步骤4：将输入图像和生成的不同层级的变换图像、和输入由2D全卷积网络构成的特征提取网络中进行处理，得到四组左右目特征图，从而利用式9构建特征距离损失，用于训练鲁棒的特征提取网络： 9 式9中，表示L2范式； 步骤5：计算四组左右目特征图各自的匹配代价； 步骤6：构建由3D全卷积网络构成的代价聚合模块和2D全卷积网络构成的视差细分模块； 将四组匹配代价分别依次输入到代价聚合模块和视差细分模块中进行处理，得到四组预测的视差图； 步骤7：利用式10构建smooth-损失； 10 式10中，表示任意一组预测的视差图；表示对应的真实的视差图；表示平滑后的L1损失； 步骤8：利用式11构建立体匹配网络的总体损失函数： 11 式11中，，和是三个超参数； 步骤9、基于训练集，利用梯度下降法对由图像视觉处理网络T、鉴别网络、特征提取网络、代价聚合模块和视差细分模块组成的立体匹配网络进行训练，并计算所述总体损失函数以更新网络参数，直到总体损失函数收敛为止，从而得到最优立体匹配网络用于对左右目立体匹配图像进行匹配。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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。