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！

龙图腾网获悉东南大学申请的专利一种基于代价群组注意力和边缘强化的红外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：CN116012620B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202211578227.5，技术领域涉及：G06V10/75；该发明授权一种基于代价群组注意力和边缘强化的红外立体匹配方法是由耿可可;王金虎;殷国栋;汤文成;成小龙;孙宇啸;丁鹏博;王子威;柳志超设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种基于代价群组注意力和边缘强化的红外立体匹配方法在说明书摘要公布了：本发明公开了一种基于代价群组注意力和边缘强化的红外立体匹配方法，涉及计算机视觉中的双目视觉技术领域，解决了低辨识度环境下红外立体匹配精度不高的技术问题，其技术方案要点是基于canny边缘检测算法和边缘特征提取网络提取原始图像的多尺度边缘特征；结合多尺度边缘特征及原始图像特征构建边缘强化模块以获取融合特征；利用融合特征构造代价群组注意力模块；经代价聚合和视差回归获取预测视差图。本发明创新采用边缘强化模块和代价群组注意力模块，分别能够补充和聚焦红外立体匹配过程中的有益特征，以获得更好的立体匹配精度。

本发明授权一种基于代价群组注意力和边缘强化的红外立体匹配方法在权利要求书中公布了：1.一种基于代价群组注意力和边缘强化的红外立体匹配方法，其特征在于，包括： S1：通过canny边缘检测算法和边缘特征提取网络提取原始图像的多尺度边缘特征； S2：结合所述多尺度边缘特征和原始图像特征并进行边缘强化，以获取融合特征，包括左融合特征fl和右融合特征fr； 通过边缘强化模块对特征图F132进行边缘强化的过程包括： 对特征图F132进行一次反卷积得到维度为96×S116的特征图F116； 将特征图F116与特征图Fe116在通道维度进行串联，得到维度为192×S116的特征图Ff116； 对特征图Ff116进行一次反卷积得到维度为32×S18的特征图F18； 将特征图F18与特征图Fe18在通道维度进行串联，得到维度为64×S18的特征图Ff18； 对特征图Ff18进行一次反卷积得到维度为48×S14的特征图F14； 将特征图F14与特征图Fe14在通道维度进行串联，得到维度为72×S14的特征图Ff14； 对特征图Ff14进行一次普通卷积得到一个维度不变的特征图f14； 其中，特征图F132是原始图像特征图中为维度160×S132对应的最后一层特征图，特征图Fe116是多尺度边缘特征图中为维度96×S116对应的特征图，特征图Fe18是多尺度边缘特征图中为维度32×S18对应的特征图，特征图Fe14是多尺度边缘特征图中为维度24×S14对应的特征图； S3：基于所述融合特征构建代价群组注意力模块，通过代价群组注意力模块获取群组代价体积，并根据训练过程确定最优群组数量； 所述代价群组注意力模块的构建包括： 将左融合特征fl和右融合特征fr均沿着通道维度均匀划分成N个特征群组；其中，每个特征群组都有72N个通道，第n个特征群组fln、frn分别由fl、fr中的第n×72N、n×72N+1、…、n+1×72N-1个通道组成；n≤N，N为经训练后loss最小时对应的最优群组数量； 对每个特征群组根据式1构建基于相关性的群组代价体积，得到N个维度为[Dmax4,H4,W4]的代价体积C0、C1、…、CN-1； 其中，Dmax表示最大视差，,表示内积； 将左融合特征fl经卷积后得到维度为N×S14的特征图fN； 将特征图fN沿通道维度分解为N个群组代价体积特征注意力图fN0、fN1、…、fNN-1，根据式2指导代价体积C0、C1、…、CN-1中的相关性概率分布，最终得到具备特征注意力的群组代价体积 其中，“·”代表广播乘法；j∈[0,N-1]；式1和式2构成所述代价群组注意力模块； S4：将所述群组代价体积经代价聚合与视差回归后得到预测视差图。

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东南大学，其通讯地址为：210096 江苏省南京市江宁区东南大学路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。