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！

龙图腾网获悉清华大学申请的专利一种深度学习主动双目视觉测量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：CN116518876B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310577734.5，技术领域涉及：G01B11/24；该发明授权一种深度学习主动双目视觉测量方法及装置是由陈睿;徐静设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种深度学习主动双目视觉测量方法及装置在说明书摘要公布了：本发明提出一种深度学习主动双目视觉测量方法及装置，属于传感器技术领域。其中，所述方法包括：利用主动双目视觉测量系统的相机1和相机2同时采集被投影编码图案后的被测场景的图像；基于采集的图像，利用基于成本体的双目预测网络计算被测场景的概率成本体和初始视差预测以生成视差置信度进而得到置信度掩膜；利用法向预测网络得到法向预测；利用物体轮廓检测网络得到轮廓检测预测；通过全局优化计算得到最终视差预测，以得到被测场景的三维测量结果。本发明利用置信度对深度学习主动双目视差预测进行全局优化补全，实现对于复杂光学特性物体的完整准确三维测量，具有很高的应用价值。

本发明授权一种深度学习主动双目视觉测量方法及装置在权利要求书中公布了：1.一种深度学习主动双目视觉测量方法，其特征在于，包括： 利用主动双目视觉测量系统的相机1和相机2同时采集被投影设定编码图案后的被测场景的图像，分别记为图像1和图像2；其中所述被测场景处于所述主动双目视觉测量系统的测量视场中； 将所述图像1和所述图像2同时输入预训练完毕的基于成本体的双目视差预测网络，得到所述被测场景对应的概率成本体和初始视差预测，以得到所述被测场景对应的视差置信度； 将所述图像1和所述图像2同时输入预训练完毕的法向预测网络，得到所述被测场景对应的法向预测； 将所述图像1输入预训练完毕的物体轮廓检测网络，得到所述被测场景对应的轮廓检测预测； 基于所述视差置信度，计算置信度掩模； 基于所述初始视差预测、所述法向预测和所述轮廓检测预测，计算所述被测场景对应的补全视差预测； 基于所述初始视差预测、所述置信度掩模和所述补全视差预测，计算最终视差预测，以得到所述被测场景的三维测量结果； 其中，所述基于成本体的双目视差预测网络的成本体视差序列为d＝[d0+Δd*i],i＝1,2,...,D，其中d0为最小视差，Δd为视差序列中两相邻视差之间的差值，D为视差序列长度； 所述概率成本体记为所述初始视差预测记为H,W分别为图像1的纵向分辨率和横向分辨率； 所述得到所述被测场景对应的视差置信度，包括： 视差置信度中任一坐标i,j,i＝1,2,...,H,j＝1,2,...,W的视差置信度Ci,j计算表达式为： 式中，Pi，j，l为概率成本体P在坐标i,j,l处的值； D0i,j为初始视差预测D0在坐标i,j处的值，k为D0i,j在概率成本体P中所对应的第三维坐标；为向下取整符号，c为视差置信度计算时所选取的邻域范围，c为正整数； 计算得到所有坐标对应的Ci,j后，得到视差置信度C； 所述计算所述被测场景对应的补全视差预测，包括： 式中： NEi,j,i′,j′＝||＜vi,j,i′,j′,Ni,j＞·Ei,j||2 式中，为被测场景对应的补全视差预测，ED为视差距离能量函数，ES为视差连续能量函数，EN为法向差异能量函数，NEi,j,i′,j′为两个像素坐标i,j,i′,j′的法向差异，Neighi,j为像素坐标i,j的邻域；λD为视差距离能量函数权重，λS为视差连续能量函数权重，λN为法向差异能量函数权重，λD,λS,λN为正数； Di,j为视差预测变量D在i,j处的值；Ni,j为被测场景对应的法向预测N在i,j处的值，Ei,j为被测场景对应的E轮廓检测预测在i,j处的值，

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清华大学，其通讯地址为：100084 北京市海淀区清华园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”。