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！

龙图腾网获悉南京理工大学申请的专利一种基于深度学习的高效散斑匹配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：CN114926669B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210535331.X，技术领域涉及：G06V10/75；该发明授权一种基于深度学习的高效散斑匹配方法是由左超;赵航;尹维;冯世杰;陈钱;胡岩;季逸凡设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本一种基于深度学习的高效散斑匹配方法在说明书摘要公布了：本发明公开了一种基于深度学习的高效散斑匹配方法。首先使用投影仪投影以及双目立体相机同步采集散斑图案，利用圆板标定法，对采集得到的散斑图案做畸变以及极线校准，将校准后的图案作为网络输入，通过结合注意力机制、空间金字塔池化模块SPPM提取图案特征，结合一系列卷积层得到的特征图层共同构建出4维成本体，通过多尺度特征融合的方法实现了成本聚合，并通过视差回归得到视差图，将视差图经由立体视觉法公式处理得到深度图，最终实现了高效率、高精度的三维成像。

本发明授权一种基于深度学习的高效散斑匹配方法在权利要求书中公布了：1.一种基于深度学习的高效散斑匹配方法，其特征在于，包括如下步骤： 步骤1：利用投影仪向被测物体进行投影，通过双目立体相机同步采集散斑图案，采用圆板标定法对散斑图案进行畸变矫正以及极线校准； 步骤2：将散斑图案输入网络的特征提取子模块获得特征张量，所述特征提取子模块包括并行的两部分以及将并行的两部分的输出进行拼接的融合部分，并行的两部分的第一部分为融入注意力机制的空间金字塔池化模块，第二部分为若干个卷积层； 融入注意力机制的空间金字塔池化模块用于提取图案特征，具体过程为： 散斑图案经过5个具有步长为2的卷积层得到尺寸为H32×W32的张量；H32×W32的张量经过4个插值上采样得到H2×W2的张量； H2×W2的张量经过4个步长为2的卷积层以及3个插值上采样得到尺寸为160×H4×W4的张量； 散斑图案经过5个具有步长为2的卷积层得到尺寸为H32×W32的张量的过程中，每个卷积层处理得到的特征张量输入激发函数模块，经激发函数处理后，得到权重信息连接到每个卷积层输出的特征张量形成新的特征图输入下一个卷积层，最后一个卷积层输出的特征张量与权重信息连接后经过4个插值上采样得到H2×W2的张量； 激发函数具体为： α＝σF2DIs Cos＝α×Cis 其中，F2D是指二维卷积操作，Is指原图经卷积层处理得到的特征张量，σ是指激活函数sigmoid，Cis指权重信息处理前的初始成本量，α指权重信息，Cos指经权重信息处理后得到的拼接成本量； 所述特征提取子模块的第二部分的处理过程为：双目立体相机采集的图像直接经过两个卷积层处理，得到尺寸为H4×W4的张量； 融合部分将两个尺寸为48×H4×W4的张量及两个尺寸为160×H4×W4的张量在特征通道上进行拼接，得到尺寸为256×H4×W4的张量；经过两个卷积层处理，得到尺寸为32×H2×W2的张量； 步骤3：结合特征张量以及候选视差范围构建4维匹配成本体； 步骤4：将4维匹配成本体作为成本聚合模块输入，通过多尺度特征融合的方法实现成本聚合，通过视差回归得到视差图； 步骤5：将视差图经由立体视觉法公式处理得到深度图，实现三维重建。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。