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！

龙图腾网恭喜浙江大学申请的专利一种基于预训练和尺度恢复的真实深度补全方法及装置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：CN119672360B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202510186803.9，技术领域涉及：G06V10/44；该发明授权一种基于预训练和尺度恢复的真实深度补全方法及装置是由李碧晗;于慧敏设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本一种基于预训练和尺度恢复的真实深度补全方法及装置在说明书摘要公布了：本发明公开了一种基于预训练和尺度恢复的真实深度补全方法及装置，该方法是根据RGB图像中的几何线索对稀疏的激光雷达深度作补全，可以获取稠密准确的真实深度图。通过尺度分解在尺度空间作计算，利用已有的相对深度估计方法作尺度恢复，在尺度恢复模块中，首先根据图像局部点之间的空间相似性，利用交叉注意力作稀疏尺度全局估计的平均尺度的预填充，接着利用预训练编码器提取的图像特征与从尺度图提取的尺度特征作特征融合解码，最后通过自适应调整空间传播网络的邻域选择和亲和力计算，对尺度图进行迭代调优，可以获取更为准确的尺度结果。本发明不仅对不同场景有更好的鲁棒性，且最终能够实现低复杂度、高鲁棒性、高精度的真实深度补全效果。

本发明授权一种基于预训练和尺度恢复的真实深度补全方法及装置在权利要求书中公布了：1.一种基于预训练和尺度恢复的真实深度补全方法，其特征在于，包括以下步骤： （1）获取KITTI深度补全数据集，该数据集包含采集当前场景的彩色图像以及深度传感器采集投影得到的稀疏深度图，聚合连续帧稀疏深度得到稠密深度真值； （2）使用在数据集上预训练好的视觉特征编码器对输入图像编码，选取其中四个中间层的输出，得到多尺度图像特征； （3）利用单目深度估计方法获取相对深度图； （4）将稀疏深度图在深度有效点处与相对深度图作逐像素相除，得到稀疏尺度图，并根据多尺度图像特征卷积计算池化权重，用加权池化的方式将稀疏尺度图下采样到四个不同的尺度大小； （5）将多尺度图像特征、稀疏尺度图作为输入，做融合解码进行尺度补全，输出精调后的稠密尺度图；具体包括以下子步骤： （5.1）对稀疏的尺度图做预填充，计算全局单一平均尺度作填充，输出初始稠密尺度图并获取置信度图；具体为：在四个尺度下，对稀疏尺度图上的未知尺度点，搜寻其N个最近邻有效点并计算其之间的像素距离；设置距离阈值，对于和最近邻像素距离小于阈值的未知尺度点，采用交叉注意力的方式，计算未知尺度点和近邻点的步骤（2）提取的图像特征之间的注意力得分，并对已知尺度点的尺度值作加权，得到当前点的尺度；对于距离大于阈值的未知尺度点，计算全局单一平均尺度作填充，输出初始稠密尺度图；同时对稀疏尺度图提取置信度图，置信度图表示深度图上的测量值是否有效； （5.2）利用轻量级卷积网络，对步骤（5.1）输出的初始稠密尺度图作特征提取，得到和图像特征对齐的尺度特征； （5.3）对四个尺度下的尺度特征和图像特征作逐级的融合解码，输出稠密尺度图； （5.4）利用自适应空间传播网络作精调：对步骤（5.3）输出的尺度图中待更新的所有目标像素点，根据混合特征以及输出的尺度图，自适应计算偏移量选择邻域，并从网络直接预测和当前像素点之间的亲和力，即相关性权重；最后根据亲和力对当前像素尺度值进行加权更新，得到最终的稠密尺度图； （6）做尺度空间到深度空间的变换，将稠密尺度图和步骤（3）获得的相对深度图进行逐像素相乘，得到最终的稠密绝对深度图； （7）用稠密深度真值和步骤（3）所获得的相对深度图，与预测的稠密绝对深度之间作损失计算，监督深度补全方法的学习。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。