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！

龙图腾网获悉成都睿感科技有限公司申请的专利基于轮廓提取的多角度特征点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：CN120495702B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202510570781.6，技术领域涉及：G06V10/75；该发明授权基于轮廓提取的多角度特征点匹配方法是由密善杰;华泽玺;孙自伟;庞艳杰;薛恒;钟海燕;张金驰设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本基于轮廓提取的多角度特征点匹配方法在说明书摘要公布了：本发明涉及图像处理技术领域，公开基于轮廓提取的多角度特征点匹配方法，包括步骤：将原始图像输入轮廓提取模块，获得边缘权重图；将原始图像输入描述子头，获得置信度矩阵和特征描述子；使用边缘权重图对置信度矩阵进行自适应加权，得到加权后的置信度矩阵；将原始图像输入关键点头，获得关键点热图；筛选两个角度拍摄的原始图像对应的关键点热图中前L个关键点进行匹配，若匹配成功，则将匹配成功的关键点在特征描述子中对应的描述子拼接后进行多层感知机处理，得到偏移概率分布；基于偏移概率分布查找关键点在原始图像中的位置，从而完成特征点匹配。本发明的目的在于提高特征点匹配的准确率，降低误匹配率。

本发明授权基于轮廓提取的多角度特征点匹配方法在权利要求书中公布了：1.基于轮廓提取的多角度特征点匹配方法，其特征在于：基于特征点匹配模型实现，所述特征点匹配模型包括轮廓提取模块、特征点提取模块；所述方法包括以下步骤： 步骤1，将原始图像输入轮廓提取模块，获得边缘权重图； 所述步骤1中，轮廓提取模块包括主干网络、USNet网络、双融合单元； 所述主干网络包括三种Block层，分别为第一Block层、第二Block层、两个第三Block层；所述USNet网络包括第一USNet单元、第二USNet单元、第三USNet单元；所述双融合单元包括拼接层、第一可分离卷积层、第二可分离卷积层； 将原始图像F0输入第一Block层，获得特征图F1；将特征图F1输入第二Block层，获得特征图F2；将特征图F1和特征图F2共同输入第一个第三Block层，获得特征图F3；将特征F2和特征图F3一同输入第二个第三Block层，获得特征图F4； 将特征图F1输入第一USNet单元进行边缘特征提取，生成与输入相同尺寸的边缘预测图将特征图F2输入第二USNet单元进行边缘特征提取，生成与输入相同尺寸的边缘预测图将特征图F2和特征图F4一同输入第三USNet单元进行边缘特征提取，生成与输入相同尺寸的边缘预测图将边缘预测图边缘预测图和边缘预测图通过拼接层进行拼接，生成边缘预测图相关公式为： 其中，σ表示ReLU激活函数；USNet表示USNet单元的处理；hi表示第i个USNet单元的输入；Concat表示拼接操作； 将边缘预测图输入第一可分离卷积层，得到特征边缘图将特征边缘图输入第二可分离卷积层，得到特征边缘图再将特征边缘图和特征边缘图进行第一次融合；再使用激活函数和逐像素增加法对第一次融合的结果进行第二次融合，对特征边缘图进行非线性激活，并进行归一化处理与权重映射，从而获得边缘权重图相关公式为： 其中，hdfuse表示第一次融合的结果；ewa表示逐像素操作；ξ表示smish激活函数；σ表示ReLU激活函数； 步骤2，所述特征点提取模块包括描述子头、关键点头、密集匹配单元；将原始图像输入描述子头，获得置信度矩阵和特征描述子；使用边缘权重图对置信度矩阵进行自适应加权，得到加权后的置信度矩阵；将原始图像输入关键点头，获得关键点热图； 步骤3，基于加权后的置信度矩阵，筛选两个角度拍摄的原始图像对应的关键点热图中前L个关键点进行匹配，若匹配成功，则将匹配成功的关键点在特征描述子中对应的描述子拼接后进行多层感知机处理，得到偏移概率分布；基于偏移概率分布查找关键点在原始图像中的位置，从而完成特征点匹配。

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成都睿感科技有限公司，其通讯地址为：610213 四川省成都市中国(四川)自由贸易试验区高新区观东一街1111号1栋6楼605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。