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！

龙图腾网获悉中国石油大学(华东)申请的专利基于深度学习的复杂背景下线结构光光条中心提取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：CN121213895B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511748072.9，技术领域涉及：G06V10/25；该发明授权基于深度学习的复杂背景下线结构光光条中心提取方法是由于连栋;曹孟杰;贾华坤;王向阳;许靖寓;高荣科;陆洋设计研发完成，并于2025-11-26向国家知识产权局提交的专利申请。

本基于深度学习的复杂背景下线结构光光条中心提取方法在说明书摘要公布了：本发明提供了一种基于深度学习的复杂背景下线结构光光条中心提取方法，涉及工业视觉测量领域，具体包括如下步骤：在多种测量条件下采集不同材质、表面反射特性及形貌的工件图像，获取包含光条的图像；将图像通过开源软件制作成光条区域标注数据集；构建语义分割深度学习模型，并利用数据集对语义分割深度学习模型进行训练，获得训练好的语义分割深度学习模型；应用训练好的语义分割深度学习模型对待测图像进行分割；结合改进的Steger算法进行光条中心亚像素级提取。本发明的技术方案克服现有技术中在环境噪声、工件表面反射及表面形貌复杂条件下，光条中心提取精度下降、中心线断裂及提取不稳定的问题。

本发明授权基于深度学习的复杂背景下线结构光光条中心提取方法在权利要求书中公布了：1.一种基于深度学习的复杂背景下线结构光光条中心提取方法，其特征在于，具体包括如下步骤： S1，在多种测量条件下采集不同材质、表面反射特性及形貌的工件图像，获取包含光条的图像； S2，将步骤S1所得图像通过开源软件Labelme制作成光条区域标注数据集，并按一定比例划分为训练集、验证集和测试集； S3，构建语义分割深度学习模型，并利用步骤S2所制作的数据集对语义分割深度学习模型进行训练，获得训练好的语义分割深度学习模型； S4，应用训练好的语义分割深度学习模型对待测图像进行分割； S5，以步骤S4得到的图像为输入，结合改进的Steger算法进行光条中心亚像素级提取； 步骤S3中的语义分割深度学习模型，包括：编码路径和解码路径，解码路径与编码路径对称； 步骤S5具体包括如下步骤： S5.1，对步骤S4得到的图像进行感兴趣区域ROI提取，仅在光条有效区域内进行中心线计算； S5.2，在ROI内利用Steger算法获取初步光条中心点； S5.3，对步骤S5.2获得的光条中心点进行非极大值抑制NMS，以去除冗余点和孤立噪声点；沿光条法线方向建立局部比较窗口，对窗口内中心点的灰度值进行比较，仅保留局部最大点；非极大值抑制NMS过程表示为： ； 其中，为第个候选中心点的灰度强度，为局部比较窗口的一半宽度； S5.4，对步骤S5.3经NMS筛选后的中心点进行Akima插值，获得插值曲线； S5.5，在步骤S5.4获得的插值曲线上应用Savitzky-Golay滤波，通过滑动窗口拟合局部多项式以平滑曲线，进一步消除高频噪声； S5.6，利用标准差σ评估S5.5得到的平滑曲线提取的精度： ； 其中，，表示第个光条的中心点，为第个中心点的坐标，为提取的中心点总数，为通过最小二乘法拟合中心点所得直线的斜率，为直线的截距。

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国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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。