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！

龙图腾网获悉浙江迈睿机器人有限公司申请的专利分阶段鲁棒的相机参数优化方法、装置、设备及介质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：CN120825629B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511333097.2，技术领域涉及：H04N23/62；该发明授权分阶段鲁棒的相机参数优化方法、装置、设备及介质是由李成涛;李卫君设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本分阶段鲁棒的相机参数优化方法、装置、设备及介质在说明书摘要公布了：本发明公开了一种分阶段鲁棒的相机参数优化方法、装置、设备及介质，涉及相机参数优化领域，包括：获取待标定相机的参数并初始化，并将所述参数组织于统一的参数向量中；对参数向量进行多个阶段的非线性优化，其中，预设参数掩码将参数向量划分为多个参数子集，并将多个参数子集在多个阶段进行依次激活优化，且后一优化阶段的输入为前一阶段的输出结果；输出经过多个阶段的非线性优化过程得到的最终相机参数。主要技术方案和效果：通过引入分阶段优化策略，将所有待估参数划分为多个参数子集，分阶段依次优化；每阶段以前一阶段结果为初值，避免一次性全参数优化造成的解空间过大、收敛不稳定等问题；显著降低陷入局部最优的风险。

本发明授权分阶段鲁棒的相机参数优化方法、装置、设备及介质在权利要求书中公布了：1.一种分阶段鲁棒的相机参数优化方法，其特征在于，包括： 获取待标定相机的参数并初始化，并将所述参数组织于统一的参数向量中； 对参数向量进行多个阶段的非线性优化，其中，预设参数掩码将参数向量划分为多个参数子集，并将多个参数子集在多个阶段进行依次激活优化，且后一优化阶段的输入为前一阶段的输出结果； 输出经过多个阶段的非线性优化过程得到的最终相机参数； 所述非线性优化过程包括在每一个阶段均基于信赖域策略进行的列文伯格-马夸尔特算法进行优化，直至满足收敛条件或达到最大迭代次数，其中，包括： 基于当前参数向量计算理论像点位置，与真实像点比较生成误差向量，并求解误差对当前参数子集的激活参数的偏导数构建雅可比矩阵； 由误差向量得到所有数据点的重投影误差绝对值，根据所有数据点的重投影误差绝对值计算中位绝对偏差，估计误差分布标准差，基于所述标准差采用Huber损失函数为各数据点分配权重； 将所述权重与误差向量逐元素相乘获得加权误差向量，并将所述权重与雅可比矩阵逐行相乘获得加权雅可比矩阵； 基于加权雅可比矩阵和加权误差向量构建并求解列文伯格马夸尔特增量方程，获得参数更新步长； 计算增益比评估更新有效性，根据预设增益比的正阈值决定是否接受参数更新并调整阻尼因子； 基于加权雅可比矩阵和加权误差向量构建并求解列文伯格-马夸尔特增量方程，获得参数更新步长，包括： 通过加权雅可比矩阵和加权误差向量代入到标准列文伯格马夸尔特增量方程，公式如下： ； 其中，为加权雅可比矩阵的转置，为加权雅可比矩阵，为加权误差向量，为阻尼因子，为单位矩阵，为参数更新步长； 通过加权后的雅可比矩阵J_w和加权后的误差向量err_w，计算近似海森矩阵JtJ和梯度g，公式如下； ； ； 通过近似海森矩阵JtJ和梯度g代入到标准列文伯格马夸尔特增量方程得到公式： ； 得到参数更新步长，公式如下： ； 根据预设增益比的正阈值决定是否接受参数更新并调整阻尼因子，包括： 计算得到候选参数向量，公式如下： ； 其中，为当前输入的参数向量子集； 计算得到实际误差的减少量，公式如下： ； 其中，表示更新后的误差参数向量子集，为更新前的误差参数向量子集； 计算得到预测误差的减少量，公式如下： ； 得到增益比，公式如下： ； 判断增益比和预设的正阈值相比，若大于正阈值，则表示更新有效，进行将参数向量子集更新为候选参数向量，同时减少阻尼因子； 若增益比小于正阈值，则不进行更新，同时增大阻尼因子，重新计算参数更新步长，并继续上述步骤得到新的增益比和正阈值相比，直至更新参数向量子集。

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浙江迈睿机器人有限公司，其通讯地址为：310000 浙江省杭州市桐庐县凤川街道白云源东路368号电子器械产业园二期3号楼106室；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。