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！

龙图腾网获悉北京科技大学申请的专利一种基于增强结构信息实时的通用深度扫描图补全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：CN120355626B 。

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：202510351158.1，技术领域涉及：G06T5/77；该发明授权一种基于增强结构信息实时的通用深度扫描图补全方法是由樊彬;崔李阳;刘子熠;刘红敏设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本一种基于增强结构信息实时的通用深度扫描图补全方法在说明书摘要公布了：本发明公开了一种基于增强结构信息实时的通用深度扫描图补全方法，属于计算机视觉技术领域，所述方法包括：构建深度补全网络，其包括：用于提取RGB图像特征的图像分支、用于提取深度图特征的深度分支、分布感知动态门控模块以及方差自适应结构解耦模块；其中，双分支在对应尺度层间建立特征交互通道，通过分布感知动态门控模块实现跨模态特征融合；方差自适应结构解耦模块基于融合特征实现深度扫描图补全；对网络进行训练；利用训练好的网络实现深度扫描图补全。采用本发明方案，可通过动态门控融合机制与自适应结构解耦策略，在保持实时处理能力的同时，显著提升深度图的几何精度和边界清晰度。

本发明授权一种基于增强结构信息实时的通用深度扫描图补全方法在权利要求书中公布了：1.一种基于增强结构信息实时的通用深度扫描图补全方法，其特征在于，包括： 构建深度补全网络；其中，所述深度补全网络包括：图像分支、深度分支、分布感知动态门控模块以及方差自适应结构解耦模块；其中，所述图像分支用于提取RGB图像特征；所述深度分支用于提取深度图特征；所述图像分支和所述深度分支在对应尺度层间建立特征交互通道，通过所述分布感知动态门控模块实现RGB图像特征和深度图特征的跨模态特征融合，得到融合特征；所述方差自适应结构解耦模块基于融合特征实现深度扫描图补全； 对构建的深度补全网络进行训练； 利用训练好的构建深度补全网络实现深度扫描图补全； 通过所述分布感知动态门控模块实现RGB图像特征和深度图特征的跨模态特征融合，得到融合特征的过程包括： 将RGB图像特征Xrgb和深度图特征Xdepth进行初步融合，得到初步融合特征Xmix； 通过3×3卷积和ReLU激活函数生成分布感知权重ωmix： ωmix＝ReLUConv3×3Xmix将RGB图像特征Xrgb和深度图特征Xdepth分别进行卷积和ReLU激活，生成自适应权重图； 基于自适应权重图，得到特征Xoutput： Xoutput＝ωmix⊙ReLUConv3×3Xdepth+ωmix⊙ReLUConv3×3Xrgb叠加残差连接得到融合特征Xfinal：Xfinal＝Xoutput+Xmix； 方差自适应结构解耦模块基于融合特征实现深度扫描图补全的过程包括： 首先取KITTI深度补全数据集中的监督信息即实际深度图Dgt，基于Dgt局部方差分析生成前景背景分割掩膜，完成实际深度图Dgt的前景和背景分割，取背景部分Dgt‑back作为后续双路预测中背景增强分支的监督信息； 构建双路预测分支；其中，所述双路预测分支包括背景增强分支和结果预测分支；所述背景增强分支针对输入的融合特征xp，采用扩张卷积扩大感受野，重点捕捉大范围结构特征和深度突变模式，最终生成背景增强深度图os，使用实际深度图的背景部分Dgt‑back对其进行监督；所述结果预测分支则针对融合特征xp，通过常规卷积保持局部细节的精确重建,最终生成细节增强深度图od；os和od逐点相加融合结果Dd作为最终输出的稠密深度图，该稠密深度图受Dgt监督； 其中，基于局部方差分析生成前景背景分割掩膜，完成实际深度图Dgt的前景和背景分割，生成背景部分Dgt‑back分割结果，包括： 对于深度图中的有效像素，在预设大小的滑动窗口内计算归一化局部方差Vi,j： 其中，μi,j为窗口内归一化均值；表示滑动窗口；Dm,n表示窗口内坐标为m,n的点的深度值；maxD表示窗口内的最大深度值；m，n分别表示窗口内点的横、纵坐标； 以方差中值τ为阈值，将方差大于τ的区域划分为背景Dgt‑back。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。