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！

龙图腾网获悉中南大学申请的专利一种冶金熔体射流多模态图像的时空配准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：CN119417868B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411287077.1，技术领域涉及：G06T7/33；该发明授权一种冶金熔体射流多模态图像的时空配准方法及系统是由潘冬;李凡训;蒋朝辉;余浩洋;桂卫华设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种冶金熔体射流多模态图像的时空配准方法及系统在说明书摘要公布了：本发明属于冶金熔体射流检测分析领域，公开了一种冶金熔体射流多模态图像的时空配准方法及系统，以实现复杂环境下冶金熔体射流的多模态图像配准。方法包括：采用双目视觉检测装置同步获取冶金熔体射流多模态图像；提取多模态图像中的冶金熔体射流轮廓，分别滤除轮廓的纹理细节获取平滑轮廓；对多模态图像的平滑轮廓进行分析以提取轮廓特征点集，并对多模态的轮廓特征点集进行粗匹配；为多模态图像的轮廓特征点集构建特征点描述子，基于特征点描述子对多模态的轮廓特征点集进行精匹配；排除多模态图像的轮廓特征点集间的误匹配，实现轮廓特征点集的最终配准。

本发明授权一种冶金熔体射流多模态图像的时空配准方法及系统在权利要求书中公布了：1.一种冶金熔体射流多模态图像的时空配准方法，其特征在于，包括以下步骤： S1：采用双目视觉检测装置同步获取冶金熔体射流多模态图像，所述图像包括第一模态图像和第二模态图像； S2：提取第一模态图像和第二模态图像中的冶金熔体射流轮廓，分别滤除轮廓的纹理细节获取平滑轮廓； S3：对第一模态图像和第二模态图像的平滑轮廓进行分析以提取轮廓特征点集，并对第一模态图像和第二模态图像的轮廓特征点集进行粗匹配； S4：确定搜索范围，基于所述搜索范围对第一模态图像的轮廓特征点集进行搜索，获取精确特征点集，为精确特征点集和第二模态图像的轮廓特征点集构建特征点描述子，基于特征点描述子对第一模态图像的精确特征点集和第二模态图像的轮廓特征点集进行精匹配； S5：排除第一模态图像的精确特征点集和第二模态图像的轮廓特征点集间的误匹配，实现轮廓特征点集的最终配准； S4所述确定搜索范围，基于所述搜索范围对第一模态图像的轮廓特征点集进行搜索，获取精确特征点集，包括： S41：指定搜索长度为[k‑n,k+n]，搜索宽度为将搜索长度与搜索宽度相结合得到搜索范围，的计算见式1： 其中k表示第k个轮廓点的索引值，n表示在第k个轮廓点附近的搜索长度，di为特征点间的欧式距离，i、j分别表示第一模态图像和第二模态图像中冶金熔体射流轮廓特征点集lcur,col、lcur,inf的索引值； 根据所述搜索范围对第一模态图像的轮廓特征点集在对应的轮廓点周围进行搜索； S42：计算搜索范围内像素点的空间梯度变化，将达到指定阈值的点作为轮廓特征点的候选点，根据候选点位置通过泰勒展开确定精确特征点，并获取到所有精确特征点构成精确特征点集S4所述为精确特征点集和第二模态图像的轮廓特征点集构建特征点描述子，对第一模态图像的精确特征点集和第二模态图像的轮廓特征点集进行精匹配，包括： S43：为第二模态图像的轮廓特征点集和相应的第一模态图像的精确特征点集通过轮廓角构建描述子和Disccur,col，采用均值滤波算法计算特征点左右两侧的轮廓向量的计算见式2： 其中，i、j分别表示轮廓特征点集的索引值； 对两侧轮廓向量归一化，合并成主方向向量计算在x、y维度上比值得到该轮廓特征点的轮廓角的计算见式3： S44：构建描述子后，对式3进行相似性度量，确定中每个特征点在中对应的精确特征点，并记为确定轮廓特征点之间的配准关系如式4： S5所述排除第一模态图像的精确特征点集和第二模态图像的轮廓特征点集间的误匹配，实现轮廓特征点集的最终配准，包括： S51：采用最近邻点迭代法，构建基于自适应权重的轮廓特征点集配准损失函数如式5： 其中，i、j表示轮廓特征点集的索引，表示第二模态图像的轮廓特征点集，表示中每个特征点在第一模态图像的精确特征点集中对应的精确特征点构成的点集，nInf表示匹配后的轮廓特征点数量，A表示刚性配准矩阵，R*、t*为旋转矩阵和平移矩阵，ω表示权重矩阵，ω的大小为nInf*1； S52：对式5中旋转矩阵R*和平移矩阵t*分别进行求解，旋转矩阵R*的计算见式6： R*＝UVT 6其中，U,V为SVD分解的正交矩阵； 平移矩阵t*的计算见式7： t*＝g‑R*p 7其中，g和p为轮廓中心点，S53：将特征点间的相似性和特征点间的配准距离相结合实现对权重矩阵的自适应分配，每个权重系数{ωi|i∈[1,ninf]}的计算见式8： 其中，ninf表示匹配的轮廓特征点数量，si,j表示两种特征描述子之间距离的最小值，di,j表示两种图像特征点间的距离，表示归一化后两种图像特征点间的距离，iter表示迭代次数，k表示第k个轮廓点的索引值，表示第kiter‑1个旋转矩阵，表示第kiter‑1个平移矩阵。

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南大学，其通讯地址为：410083 湖南省长沙市麓山南路932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。