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！

龙图腾网获悉重庆邮电大学申请的专利基于上下文几何感知的渐进式视差优化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：CN119887658B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411924337.1，技术领域涉及：G06T7/00；该发明授权基于上下文几何感知的渐进式视差优化方法是由刘书羽;田茂设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本基于上下文几何感知的渐进式视差优化方法在说明书摘要公布了：本发明涉及一种基于上下文几何感知的渐进式立体视差优化方法，属于计算机视觉与摄影测量领域。该方法包括：获取左右视图的初始图像，对图像进行预处理，并提取图像特征；根据拼接代价体积和分组相关代价体积生成初始代价体积；采用若干个沙漏进行代价聚合，并对最后两个沙漏的不同尺度代价体积进行卷积处理；根据输出的内容进行视差回归预测；通过SAWG模块和SPON模块进行空间视差迭代优化，完成匹配。本发明在立体匹配时不断融入多尺度的代价体积信息，对初始视差图进行迭代优化，最终解决了边缘膨胀和纹理缺失的问题。

本发明授权基于上下文几何感知的渐进式视差优化方法在权利要求书中公布了：1.一种基于上下文几何感知的渐进式视差优化方法，其特征在于：所述方法包括以下步骤： S1、获取左右视图的初始图像，对图像进行预处理，并提取图像特征； S2、根据拼接特征和相关性特征构建拼接代价体积和分组相关代价体积，用于生成初始代价体积； S3、采用三个沙漏进行代价聚合，并对其中最后两个沙漏的不同尺度代价体积卷积到单通道，然后插值到全尺度，作为视差优化阶段的输入； S4、根据最后一个沙漏输出的代价体积插值到全尺度，然后进行视差回归，预测初始的视差图； S5、通过SAWG模块和SPON模块进行视差迭代优化，其中，在SAWG模块中采用空间注意力权重引导各个尺度的代价体积，在SPON模块中利用代价体积信息、RGB图像与初始视差图的空间一致性更新视差图，完成匹配； 在步骤S3中，采用多个3D沙漏进行代价体聚合，在每个3D沙漏中，包括： 编码阶段：首先对32通道的14尺度代价体积进行下采样，得到64通道18尺度的代价体积，然后经过一个3D卷积得到，再进行下采样，经过3D卷积，得到128通道116尺度的代价体积； 解码阶段：代价体积进行3D反卷积得到,将和经过1*1*1卷积核后的进行相加，然后对结果进行relu函数激活得到；以相同的方式得到；作为后续沙漏的输入； 取后两个沙漏的116、18、14尺度代价体积，卷积到单通道，插值到全尺度，用于视差优化的输入： 式中，代表尺度，代表尺度的代价体积，代表3D卷积，代表三线性插值，代表res尺度代价体积插值得到的全尺度代价体积； 在步骤S5的SAWG模块中，通过一个轻量的U-net网络对RGB图进行细腻特征的提取，然后通过Sigmiod激活函数生成空间注意力权重对代价体积进行激活，生成权重并作用在代价体积上，其过程表示为： 式中，为代价体积，I为RGB图像，为轻量的U-Net网络，表示逐元素相乘，为sigmoid激活函数； 在步骤S5中的SPON模块中，包括以下操作： S511、将RGB图像和初始视差图扩展至C通道后进行拼接融合，再将插值到全尺度的代价体积通过卷积处理至C通道，并将两者再次拼接融合； S512、随后，通过一个U-Net网络学习视差图、特征和代价体积的空间一致性，生成B*9*H*W的权重和生成周围8个像素x、y方向上的偏置B*16*H*W； S513、然后把中心点插入到偏置中，生成的偏置通过采样器sampler定位对应点，最终与去中心化的权重进行矩阵乘法得到残差，更新视差图。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路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”。

以上内容由龙图腾AI智能生成。