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！

龙图腾网获悉南京大学申请的专利一种基于深度学习的相机-雷达外参自标定方法及系统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：CN119762596B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202411802989.8，技术领域涉及：G06T7/80；该发明授权一种基于深度学习的相机-雷达外参自标定方法及系统是由都思丹;李杨;杨雄;刘晟;曹靖豪;唐铁健设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本一种基于深度学习的相机-雷达外参自标定方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的相机‑雷达外参自标定方法及系统，有效应对多传感器设备运动场景中实时在线外参联合标定问题。方法包括：获取相机和激光雷达同步数据；标定相机内参并获取初始相对外参；获取初始点云数据在图像坐标系下的投影图；量化补偿模块补偿点云像素化过程的损失量；相机图像经过深度估计模型获取预测深度信息；构建相机‑激光雷达联合外参在线自标定系统，依次经过特征提取、数据融合、外参回归、特征更新等模块完成联合外参在线标定。基于该方法的系统实现了全自动化在线实时自标定，满足高精度、实时性和高可靠性的需求，具有良好的标定效果。

本发明授权一种基于深度学习的相机-雷达外参自标定方法及系统在权利要求书中公布了：1.一种基于深度学习的相机-雷达外参自标定方法及系统，其特征在于，包括： 获取相机和雷达相同时刻采集到的环境数据,采用标定设备获取相机模型的内部参数，包括内参投影矩阵和畸变系数；基于初始相对外参，获取激光雷达点云数据在相机成像平面下的点云投影图，像素值表示深度信息，同时采用量化补偿模块补偿像素化过程的损失；利用深度估计模型，获取RGB图像的深度估计值，作为纹理颜色外的新一组特征； 基于所述预处理的RGB图像和点云投影图作为在线标定网络的输入数据，分别经过特征提取、数据融合、外参回归、特征更新四个网络模块输出预测外参；所述特征提取模块分成图像分支和点云分支，分别对RGB图像数据和激光雷达点云投影图进行特征提取与特征聚合，所述特征提取模块均采用ResNet卷积网络架构进行构建，提取输入数据特征；所述特征融合模块将提取到的特征经过拼接操作实现相同维度的特征通道拼接，经由一组卷积池化模块和残差连接的卷积模块计算特征相似度Correlationvolume；所述外参回归模块利用特征相似度作为的输入更新隐变量，经过两组三层全连接层回归出旋转向量与平移向量； 所述特征更新模块引入循环神经网络模块设计，利用特征相似度作为的输入更新隐变量，通过多次循环迭代，完善两种数据之间的几何与语义信息的相似度信息，专注于高效的信息更新和状态传播,根据当前输入和历史状态信息,通过重置门控与更新门控灵活地调整隐变量状态信息；每次迭代预测外参作为下一轮迭代的初始外参，参与激光雷达点云坐标变换与成像投影过程； 引入点云投影过程中的量化误差概念，增加空间量化补偿模块，保留点云数据像素化时uv像素坐标的小数部分up，uq，对RGB图像数据做双线性插值处理，最大限度补偿量化损失，提高点云数据利用率；插值方法如下： P′＝1-up1-uqP11+up1-uqP21+1-upuqP12+upuqP22 其中，P′表示对应像素位置插值后的值，P11,P12,P21，P22分别表示当前位置右下方临近四个像素点的像素值，图像边缘位置采用镜像值填充； 所述基于深度学习的相机一雷达外参自标定方法是通过对数据集进行数据增强得到训练数据的；设置最大旋转和平移范围，随机采样旋转误差和平移误差，结合实际外参得到初始的失真外参，同时取随机误差矩阵的逆即可得到真值监督项；经过充分的网络训练后，选取损失loss最小的一组权重作为模型的最优参数，用于联合外参标定。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。