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！

龙图腾网获悉浙江大学;浙大城市学院申请的专利基于雷达点云的像素级相对-绝对深度转换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：CN119359779B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411410144.4，技术领域涉及：G06T7/50；该发明授权基于雷达点云的像素级相对-绝对深度转换方法是由沈会良;周子力;张富怡;余柱;曹思源;王芳;白傑设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本基于雷达点云的像素级相对-绝对深度转换方法在说明书摘要公布了：本发明公开了一种基于雷达点云的像素级相对‑绝对深度转换方法。本发明根据相对深度图与雷达点云图的结构关系进行基于伪深度的雷达点云采样，通过少量高相关性雷达点云点的对映射参数矩阵进行加权估计，以此实现相对‑绝对深度转化；但由于逐像素估计和全局采样会导致计算效率大幅下降，进一步提出多尺度参数估计和基于DBSCAN算法的动态邻域采样优化方法，以极小的性能损失实现效率的大幅提升。本发明将该深度转换算法与优化方法相互结合，实现高性能的零样本雷达点云补全效果，尤其在结构一致性和深度准确性方面取得了较好的表现。本发明方法在纠正相对深度估计误差的同时，尽可能保留较好的相对深度结构信息，得到结构清晰的高精度深度补全结果图。

本发明授权基于雷达点云的像素级相对-绝对深度转换方法在权利要求书中公布了：1.一种基于雷达点云的像素级相对-绝对深度转换方法，其特征在于： 基于相对深度图和雷达点云图，估计线性映射参数矩阵，并以此实现相对-绝对深度转化；其中， 所述估计线性映射参数矩阵的具体方法为：计算相对深度图中的像素点对应的线性映射参数，构成线性映射参数矩阵；针对相对深度图中的任一像素点，其线性映射参数的计算方法具体为：通过基于伪深度的邻域采样算法采样所述像素点在雷达点云图中对应的点云点相邻的雷达点云点，基于像素点的相对深度值和采样得到的与所述相邻的雷达点云点的绝对深度值，估计所述像素点的线性映射参数；所述基于伪深度的邻域采样算法具体为：通过相对深度，将传统的二维欧氏距离转化为伪三维距离，并基于伪三维距离进行邻域采样，进而得到高相似度雷达点云点参考集合；所述基于伪深度的邻域采样算法中，将传统的二维欧氏距离转化为伪三维距离，具体方法为： 对于像素点和雷达点云点，二者之间的伪三维距离定义如下： 1 其中，表示对应位置的相对深度值； 所述基于像素点的相对深度值和采样得到的与所述像素点相邻的雷达点云点的绝对深度值，估计所述像素点的线性映射参数，具体方法为： 基于得到的高相似度雷达点云点参考集合，通过加权最小二乘回归来估计像素点对应的线性映射参数；所述加权最小二乘回归中的权值参考伪三维距离进行定义，使得权值定义符合深度相关性，则线性映射参数的估计过程表示为： 3 4 5 其中，为基于伪三维距离定义的权值，表示待估计线性映射参数的激光雷达点对应的高相似度雷达点云参考点集合中的第个激光雷达点，为待估计线性映射参数的像素点坐标；表示方差控制参数，式4为最小二乘的优化问题定义，和分别表示估计位置的线性映射参数时第个相邻的激光雷达点对应的绝对深度和相对深度值，表示位置的线性映射参数，和分别表示斜率分量和截距分量，表示位置的激光雷达点对应的高相似度雷达点云点参考集合的权值矩阵；和分别表示位置的激光雷达点对应的高相似度雷达点云点参考集合的绝对深度值矩阵和相对深度值矩阵。

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;浙大城市学院，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”。

以上内容由龙图腾AI智能生成。