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！

龙图腾网获悉西华师范大学申请的专利一种轻量化CNN的AR场景实时对齐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：CN121482287B 。

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：202512043108.X，技术领域涉及：G06T17/00；该发明授权一种轻量化CNN的AR场景实时对齐方法是由黎仁国设计研发完成，并于2025-12-31向国家知识产权局提交的专利申请。

本一种轻量化CNN的AR场景实时对齐方法在说明书摘要公布了：本发明公开了一种轻量化CNN的AR场景实时对齐方法，属于增强现实图像处理领域。该方法先获取AR场景多视角真实图像、虚拟物体三维模型数据与IMU惯性测量数据；再构建含增强型Ghost瓶颈结构的轻量化CNN，分层提取图像低级结构与高级语义特征，经特征金字塔融合生成场景关键特征点与可靠性图；以特征点为核心融合多类数据，通过几何校正生成初始对齐变换矩阵；最后调整虚拟物体姿态并经时序平滑优化修正矩阵，完成实时对齐。该方法平衡模型轻量化与特征提取能力，降低运动导致的偏差，提升对齐精准度与稳定性，保障虚拟与真实场景融合自然，适配移动AR设备应用需求。

本发明授权一种轻量化CNN的AR场景实时对齐方法在权利要求书中公布了：1.一种轻量化CNN的AR场景实时对齐方法，其特征在于，包括以下步骤： S1.获取AR场景的多视角真实场景图像、虚拟物体的三维模型数据与IMU惯性测量数据； S2.构建含增强型Ghost瓶颈结构的轻量化卷积神经网络，通过该网络分层提取真实场景图像的低级结构特征与高级语义特征，经特征金字塔融合后生成场景关键特征点与特征可靠性图； S3.以场景关键特征点为核心，辅助融合IMU惯性测量数据与虚拟物体三维模型数据，通过几何校正修正特征匹配偏差，生成初始对齐变换矩阵； S4.基于初始对齐变换矩阵调整虚拟物体姿态，结合时序平滑优化算法修正矩阵参数，完成真实场景与虚拟物体的实时对齐； 其中，步骤S2包括： S2.1.搭建含输入预处理层、多级特征提取层、增强型Ghost模块、特征融合层与并行输出分支的轻量化卷积神经网络，各层间通过全连接方式建立数据传输链路，其中输入预处理层用于图像标准化处理，多级特征提取层用于分层提取不同维度特征，增强型Ghost模块用于特征扩充与优化，特征融合层用于多尺度特征整合，并行输出分支用于分别生成目标结果； S2.2.通过输入预处理层对真实场景图像进行像素值归一化处理，将像素值映射至预设范围，同时根据轻量化卷积神经网络的输入要求调整图像尺寸，确保图像尺寸与网络输入通道匹配，将处理后的图像输入多级特征提取层，通过不同卷积核尺寸的卷积操作，获取不同分辨率下的边缘、纹理低级结构特征； S2.3.将多级特征提取层输出的低级结构特征按通道维度拼接后输入增强型Ghost模块，通过模块内部的特征转换与扩充操作，生成包含更多细节信息的丰富特征表示； S2.4.通过特征金字塔结构的融合层对不同尺度的特征进行逐层融合，先对高层特征进行上采样处理，使其与低层特征分辨率一致，再进行特征叠加融合，融合后的特征输入并行输出分支，通过分支内的卷积与激活操作，分别生成场景关键特征点与表征特征匹配可信度的特征可靠性图； 其中，在步骤S2.3中，增强型Ghost模块先通过1×1卷积对低级结构特征进行通道重组与特征聚合，生成高维致密的intrinsic特征图；再通过深度可分离卷积与注意力门控单元结合的方式，对intrinsic特征图进行特征扩展与冗余抑制，生成互补的ghost特征图；对intrinsic特征图与ghost特征图进行逐元素加权融合后，通过批归一化与激活函数处理，输出适配后续融合的丰富特征表示，该过程全程嵌入轻量化卷积神经网络的特征提取链路，强化网络对场景细节特征的捕捉能力。

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西华师范大学，其通讯地址为：637000 四川省南充市顺庆区师大路1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。