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！

龙图腾网获悉电子科技大学申请的专利一种基于深度学习的可见光红外融合视觉里程计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：CN116977369B 。

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：202310956658.9，技术领域涉及：G06T7/246；该发明授权一种基于深度学习的可见光红外融合视觉里程计方法是由肖卓凌;董显威;宁思鉴;陈柏宇;张可宇;阎波设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于深度学习的可见光红外融合视觉里程计方法在说明书摘要公布了：本发明公开了一种基于深度学习的可见光红外融合视觉里程计方法，属于视觉里程计技术领域，该方法包括利用相机获得环境的红外图像和可见光图像；利用二维离散小波变换分别对环境的红外图像和可见光图像进行分解，并利用单色阈值融合方法对分解得到的红外图像近似分量、红外图像细节分量、可见光图像近似分量和可见光图像细节分量进行加权平均融合，得到融合图像；构建改进RCNN网络，将融合图像作为输入图像帧，训练改进RCNN网络，得到预测模型；获取待测数据，并根据待测数据，利用预测模型得到相机运动的预测轨迹，完成视觉里程计。本发明解决了视觉里程计方法中，红外图像缺乏细节纹理、对比度低，在光线充足的环境下，精度低的问题。

本发明授权一种基于深度学习的可见光红外融合视觉里程计方法在权利要求书中公布了：1.一种基于深度学习的可见光红外融合视觉里程计方法，其特征在于，包括以下步骤： S1、利用相机获取环境的红外图像和可见光图像，并利用二维离散小波变换分别对红外图像和可见光图像进行分解，得到红外图像近似分量、红外图像细节分量、可见光图像近似分量和可见光图像细节分量； S2、利用单色阈值融合方法对红外图像近似分量、红外图像细节分量、可见光图像近似分量和可见光图像细节分量进行加权平均融合，得到融合图像； S3、构建改进RCNN网络，将融合图像作为输入图像帧，训练改进RCNN网络，得到预测模型；所述改进RCNN网络的损失函数为： 其中，为改进RCNN网络的损失函数；为改进RCNN网络的最优参数；为改进RCNN网络每批次处理的图像序列个数；为图像序列编号；为每个姿态状态量的个数；为平移的向量预测值；为平移的向量真值；为旋转的欧拉角预测值；为旋转的欧拉角真值；为2范数；所述步骤S3中改进RCNN网络包括FlowNetS预训练模型、Bi-LSTM结构、全连接层和回归模型； 所述FlowNetS预训练模型，用于提取融合图像数据的特征，得到特征图； 所述Bi-LSTM结构，用于根据特征图进行正向传播学习和反向传播学习，得到Bi-LSTM输出； 所述全连接层，用于将Bi-LSTM输出馈入回归模型； 所述回归模型，用于根据Bi-LSTM输出，得到预测位姿； S4、获取待测数据，并根据待测数据，利用预测模型得到相机运动的预测轨迹，完成视觉里程计。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。