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！

龙图腾网获悉浙江省北大信息技术高等研究院申请的专利可见光图像和点云数据的联合压缩方法、装置、电子设备和存储介质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：CN119583820B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411409848.X，技术领域涉及：H04N19/597；该发明授权可见光图像和点云数据的联合压缩方法、装置、电子设备和存储介质是由王钊;李梓群;马思伟设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本可见光图像和点云数据的联合压缩方法、装置、电子设备和存储介质在说明书摘要公布了：本公开提供一种可见光图像和点云数据的联合压缩方法、装置、电子设备和存储介质，涉及图像技术领域。上述方法包括：响应于对同一场景获取到可见光图像和三维点云数据，将三维点云数据转换到二维坐标系中，得到二维点云数据；调用联合压缩模型，对可见光图像和二维点云数据分别进行分析变换，得到可见光图像特征和二维点云特征；调用联合压缩模型，对可见光图像特征和二维点云特征进行融合，以消除通道之间的冗余特征，并对融合结果进行预设综合变换；调用联合压缩模型，对预设综合变换后的融合结果进行图像和点云的分离，得到重建图像和重建点云。本公开通过消除冗余特征，可以实现对码流更大程度的压缩，以实现更好的压缩效果。

本发明授权可见光图像和点云数据的联合压缩方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种可见光图像和点云数据的联合压缩方法，其特征在于，包括： 响应于对同一场景获取到可见光图像和三维点云数据，将所述三维点云数据转换到二维坐标系中，得到二维点云数据，其中，所述三维点云数据的深度信息为所述二维坐标系中点云的值； 调用联合压缩模型，对所述可见光图像和所述二维点云数据分别进行分析变换，得到可见光图像特征和二维点云特征，所述联合压缩模型包括图像的分析变换模块和点云的分析变换模块； 调用所述联合压缩模型，对所述可见光图像特征和所述二维点云特征进行融合，以消除通道之间的冗余特征，并对融合结果进行预设综合变换； 调用所述联合压缩模型，对预设综合变换后的融合结果进行图像和点云的分离，得到重建图像和重建点云； 所述联合压缩模型还包括分离模块；所述调用联合压缩模型，对预设综合变换后的融合结果进行分离，包括： 将所述预设综合变换后的融合结果输入所述分离模块的图像分支，得到所述重建图像；将所述预设综合变换后的融合结果输入所述分离模块的点云分支，得到所述重建点云； 所述可见光图像的通道数为3，所述二维点云数据的通道数为1，所述可见光图像特征和所述二维点云特征两者的通道数均大于3； 所述对融合结果进行预设综合变换，包括： 对所述融合结果，重建为通道数为4的数据，得到所述预设综合变换后的融合结果； 所述联合压缩模型包括融合变换模块；所述调用所述联合压缩模型，对所述可见光图像特征和所述二维点云特征进行融合，包括： 采用所述融合变换模块，对所述图像潜在表示和所述点云潜在表示进行通道维度的拼接，得到特征拼接结果；通过注意力机制，处理所述特征拼接结果，得到融合结果； 通过注意力机制，处理拼接结果，包括： 通过预设卷积核，对所述特征拼接结果进行卷积，以查找特征拼接结果中不同通道之间的的重复特征作为第一重复特征；对所述特征拼接结果中的每个通道赋予特征值，根据所述特征值，查找特征拼接结果中不同通道之间的重复特征作为第二重复特征；根据所述第一重复特征和所述第二重复特征，去除特征拼接结果中不同通道之间的重复特征。

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省北大信息技术高等研究院，其通讯地址为：311200 浙江省杭州市萧山区宁围镇市心北路857号288-1室；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。