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申请的专利一种基于深度单应估计的车辆环视相机外参标定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：CN121505049B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610033206.7，技术领域涉及：G06T7/80；该发明授权一种基于深度单应估计的车辆环视相机外参标定方法是由张宇;陈琢设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本一种基于深度单应估计的车辆环视相机外参标定方法在说明书摘要公布了：本发明公开了一种基于深度单应估计的车辆环视相机外参标定方法，通过特征匹配算法得到相邻相机间以地面为参考面的单应变换真值标签，然后训练深度学习模型估计相邻相机图像间的单应变换，再将估计的单应变换分解得到相邻相机间位姿变换以及地面法向量，通过非线性优化算法统一各相邻相机间的平移尺度，最后根据估计得到的位姿与地面信息将各相机图像投影至地面，得到无缝拼接的360°俯视图。本发明全程仅使用环视相机采集的自然场景图像进行相机对地面外参标定，摆脱了传统标定中对于标定板、车道线等人工特征的依赖，借助深度学习模型实现了一种适用于各种车型与道路环境的相机外参标定方法，显著降低了环视影像技术的标定成本。

本发明授权一种基于深度单应估计的车辆环视相机外参标定方法在权利要求书中公布了：1.一种基于深度单应估计的车辆环视相机外参标定方法，其特征在于，包括以下步骤： 使用若干环视鱼眼相机采集车周图像，对鱼眼图像进行预处理，构建相邻相机图像匹配对作为输入图像序列； 通过图像特征匹配算法匹配相邻相机图像的地面特征点，拟合得到相邻相机图像间以地面为参考平面的单应变换真值；所述图像特征匹配算法为使用SuperGlue算法得到初步匹配结果，利用相机内参将所有匹配点归一化，然后利用RANSAC算法估计本质矩阵，将错误匹配点对剔除；再用过滤后的匹配点对计算单应变换，使用RANSAC算法，排除不在地面上的匹配点对的干扰，估计以地面为参考平面的单应变换； 对输入图像序列和单应变换真值进行数据增强，计算相邻图像间的逐像素相关性，以单应变换真值为监督，将相关性采样输入到深度单应估计模型中进行训练，使用训练好的模型得到单应估计值；所述以单应变换真值为监督，将相关性采样输入到深度单应估计模型中进行训练具体包括： 采用上一次单应估计值对相关性矩阵进行采样，得到图像中坐标与对应的图像单应变换坐标的相关性采样值，表征对当前单应估计准确性的评判；将相关性采样值输入由卷积网络构成的单应变换估计网络中，得到单应估计值；所述单应估计网络由若干卷积层、归一化层、激活层与池化层组成，输入相关性采样值，输出的具体形式为估计的图像四个顶点的坐标偏移量增量，由于采用迭代估计，因此将估计的增量与上一次偏移量相加得到本次顶点偏移量，再通过八点法计算出单应变换，训练时，使用平均绝对误差损失函数进行训练： 得到估计的单应变换后，利用分裂图像与原去畸变图像间的已知变换，最终从分裂图像推导出原去畸变图像间的单应变换； 将单应估计值分解得到相邻相机之间外参和地面信息，进而推导出相机相对于地面的外参； 根据推导得到的外参，通过最小化地面匹配点重投影误差的非线性优化算法，优化平移尺度，将各相邻相机间平移尺度统一为真实尺度比例；所述将各相邻相机间平移尺度统一为真实尺度比例具体包括：首先根据单应估计值得到相邻相机像素匹配点，通过对地外参将像素匹配点投影至地面；然后通过LM非线性优化算法最小化地面匹配点的重投影误差，由地面匹配点坐标可推导回相机对地外参，进而推导回相机间平移向量，实现对平移向量尺度的优化，最终将各相邻相机间平移尺度统一为真实尺度比例； 将去畸变的输入图像通过统一平移尺度后的相机相对地面外参映射为俯视图，得到无缝拼接的360°俯视图。

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浙江大学，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。