Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司卢湖川获国家专利权

大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司卢湖川获国家专利权

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!

龙图腾网获悉大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司申请的专利一种基于分割和回归网络对离群点鲁棒的深度补全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:CN115810019B

龙图腾网通过国家知识产权局官网在2025-05-27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:202211532176.2,技术领域涉及:G06T7/10;该发明授权一种基于分割和回归网络对离群点鲁棒的深度补全方法是由卢湖川;李柏岑;王立君;王一帆设计研发完成,并于2022-12-01向国家知识产权局提交的专利申请。

一种基于分割和回归网络对离群点鲁棒的深度补全方法在说明书摘要公布了:本发明属于机器学习、单目深度补全领域,公开了一种基于分割和回归网络对离群点鲁棒的深度补全方法。分割网络对于离群点更为鲁棒,回归网络可以生成更为精准的结果,本方法结合二者的优势,使用了一种对离群点更为鲁棒的单目深度补全方法。其中,包含一种分割‑回归的级联网络结构,相较于同参数量的纯回归网络结构,对非离群点的精度更高。同时,利用分割网络对于离群点更为鲁棒的特性,采用了一种对离群点更为鲁棒的损失函数,可以在训练过程中过滤掉一部分离群点,有效缓解了因拟合离群点从而降低网络性能的问题,从而进一步提高了非离群点的精度。

本发明授权一种基于分割和回归网络对离群点鲁棒的深度补全方法在权利要求书中公布了:1.一种基于分割和回归网络对离群点鲁棒的深度补全方法,其特征在于,步骤如下:步骤1:借助车载摄像头,获取彩色图像以及对应的稀疏深度图;步骤2:将稀疏深度图转化为深度平面;根据以下公式,将稀疏深度图转化为对应的深度平面: 其中,Ds表示稀疏深度图,Pi表示第i个深度平面,b表示深度段;深度段的计算是将某场景内由最大深度和最小深度所组成的深度范围平均分为K=64个深度段,每个深度段的中心值作为该深度段的深度值,记作bc;步骤3:将彩色图像、稀疏深度图以及深度平面一同输入到一个分割网络中,以获取对应的深度平面预测结果,记作分割深度图;3.1将彩色图像、稀疏深度图以及深度平面输入送到一个编码器-解码器的结构中,解码器输出一个分割指导信息其中Cs,Hs和Ws分别代表特征图的通道数量、高和宽;同一个编码器-解码器之间的跳层连接使用的是相加;3.2分割指导信息Gs经过一个卷积层和一个Softmax层后,得到深度平面的分割概率l;经过一个尺度为2的上采样后,得到与输入尺寸相同的分割概率l′;3.3根据分割结果l′,计算得分割深度图S:Sx,y=bCargmaxl′x,y步骤4:计算稀疏深度图到分割深度图的残差,记作稀疏残差图Rs: 其中,用于表示在稀疏深度图中的有效点,当括号内的条件满足时,其值为1,否则为0;步骤5:将彩色图像、分割深度图和稀疏残差图输入到一个回归网络中,以获取残差深度图;5.1将彩色图像、分割深度图和稀疏残差图输入到另外一个编码器-解码器的结构中,解码器的输出为回归指导信息其中Cr、H、W分别是通道数量、长和宽;相同编码器-解码器之间的跳层连接使用的是相加,不同编码器-解码器之间使用的跳层连接是拼接;5.2回归指导信息经过一个卷积层,生产残差深度图R;步骤6:将分割深度图和残差深度图相加,获取初始深度图即最终的稠密深度图D*=S+R;步骤7:利用分割网络提供的信息,过滤掉一部分离群点,对过滤后的点进行L1损失监督,该损失称为对离群点鲁棒的L1损失;给定分割概率l′,首先选择真值中有效点位置的最大概率;之后对这些点依照之前选择的最大概率进行降序排列,并选择前τ=90%的点,记作点集则对离群点鲁棒的L1损失为: 其中,Dgt和D*分别为真值和最终预测的稠密深度图;本网络使用的最终损失函数为:L=αLM+βLfocal其中α=β=1.0,Lfocal为分割损失函数,使用的是FocalLoss。

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大连理工大学;大连理工大学宁波研究院;大连维视科技有限公司,其通讯地址为:116024 辽宁省大连市甘井子区凌工路2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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。