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！

龙图腾网获悉中国矿业大学申请的专利一种矿井增强现实无人开采工作面深度估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：CN116664649B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202310247388.4，技术领域涉及：G06T7/529；该发明授权一种矿井增强现实无人开采工作面深度估计方法是由寇旗旗;张华强;程德强;王奕;陈俊辉;范舒铭;王子强;徐帅;赵麟敖;寇涵博;程志威;马祥;姬广凯;李龙设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本一种矿井增强现实无人开采工作面深度估计方法在说明书摘要公布了：本发明公开了一种矿井增强现实无人开采工作面深度估计方法，属于图像处理技术领域，构建卷积层、池化层、残差层、下采样模块组成的深度编码器，在编码器网络浅层提取图像浅层高分辨率特征信息，在编码器网络深层通过卷积操作的堆叠，提取图像低分率特征信息，将浅层的高分辨率特征图通过层级特征调整模块融合到深层的低分率特征图中；构建由反卷积层、上采样模块以及跳跃连接组成的深度解码器网络，估计图像的深度；构建相机位姿预测网络，通过相机邻帧间运动位姿的估计重投影到目标图像的光度损失作为自监督信号约束；构建改进的颜色‑几何差异信息来预测共平面深度图模块，用向量梯度渐变作为约束信号，约束预测初始深度图和预测共平面深度图。

本发明授权一种矿井增强现实无人开采工作面深度估计方法在权利要求书中公布了：1.一种矿井增强现实无人开采工作面深度估计方法，其特征在于，包括以下几个步骤： 1构建深度估计编码器结构：构建由卷积层、池化层、残差层、下采样模块组成的深度编码器；在编码器网络浅层提取图像中浅层高分辨率特征信息，在编码器网络深层通过卷积操作的堆叠，提取图像深层的低分率特征信息，将浅层的高分辨率特征图通过层级特征融合模块叠加到深层的低分率特征图中； 2构建深度估计解码器结构：构建由卷积层、上采样模块、跳跃连接方式组成的深度估计网络； 3构建共平面约束预测深度图模块：构建相机位姿预测网络，通过相机邻帧间运动位姿的估计重投影到目标图像的光度损失作为自监督信号； 4利用深度估计网络和相机位姿网络预测出初始深度图； 5预测共平面深度图：构建改进的颜色-几何差异信息预测共平面深度图模块，估计出预测共平面深度图； 6用向量梯度渐变作为约束信号，约束预测初始深度图和预测共平面深度图； 所述的深度编码器首先将尺寸为的通道数为3的RGB原图通过步长为2的7×7大小的卷积层以及批标准化层、线性整流函数层和最大池化层，得到尺寸为，通道数为64的高分辨率特征图；然后将该特征图通过ResNet18网络的Layer1层的BasicBlock模块进行下采样处理得到输出尺寸为，通道数为64的特征图，再将通过ResNet18网络的Layer2层的BasicBlock模块进行下采样处理得到输出尺寸为，通道数为128的特征图，再将通过ResNet18网络的Layer3层的BasicBlock模块进行下采样处理得到输出尺寸为，通道数为256的特征图，最后将通过ResNet18网络的Layer4层的BasicBlock模块进行下采样处理得到输出尺寸为，通道数为512的特征图； 所述深度编码器添加基于注意力机制的层级特征调整模块，层级特征调整模块由并联调整模块和注意力模块两部分组成，将尺寸为，通道数为64的特征图首先通过并联调整模块即的卷积层提高该特征信息的通道数到128，再通过最大池化层将尺寸变为，与将特征图通过步长为2的的卷积层得到的新的特征信息图像素直接叠加组成特征信息图，将其通过通道注意力模块即将分别进行最大池化操作和平均池化操作得到两个特征信息块，然后送入到共享的多层感知机MLP学习通道维度的特征以及各个通道的重要性程度，最后将学习过后的两个特征块进行像素相加操作，用sigmoid激活函数进行映射处理得到通道注意力值，将其与输入的特征图相乘得到的新的特征图；其公式如5-1所示： 5-1 其中，为sigmoid激活函数映射处理，将从通道注意力通道模块得到的特征图输入空间注意力模块，其流程为：将及在通道维度进行最大池化和平均池化分别得到两个新的特征信息块，将两个特征信息块按照通道进行拼接，对拼接结果进行卷积层处理，用sigmoid激活函数进行映射处理得到空间注意力值，将其与特征图相乘得到最后的特征图；其公式如5-2所示： 5-2 其中，为sigmoid激活函数映射处理，为上述的卷积处理；此时得到的特征图即为层级特征调整模块的结果；将特征图与特征图叠加融合操作后得到新的特征图送入ResNet18网络的Layer4层的BasicBlock模块作为输入；另一方面，将该新的特征图送入层级特征调整模块得到新的特征图与特征图叠加融合操作后送入ResNet18网络的Layer5层的BasicBlock模块作为输入，得到最后的特征图； 所述特征图，尺寸为，通道数为512，使用深度估计解码器逐步降低通道数和提高分辨率最终得到与原图像尺寸一样，通道数为3的深度估计图像；具体表述为： 解码器将编码器输出的特征图经过上采样处理将特征图尺寸扩大一倍即为，再通过卷积操作将通道数变为原来的一半即为256，得到特征图；将编码器第4层特征图与按照通道方向拼接，然后按照此方法再进行上采样处理、反卷积操作以及跳跃连接操作3次得到与原图像尺寸大小一致，通道数为64的特征图，再通过全连接层得到最终的视差图，使用sigmoid激活函数处理得到最后的深度估计图；解码器的层级融合部分是由解码器的第三层输出通过与编码器一样的注意力机制的层级特征调整模块得到新的特征图和由解码器的第二层输出通过注意力机制模块得到新的特征图，将特征图和通过超参数权重相加操作，然后再与解码器第一层输出特征图相加，进行特征融合。

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矿业大学，其通讯地址为：221000 江苏省徐州市南郊翟山；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。