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！

龙图腾网恭喜安徽大学申请的专利基于手动特征伪装的热图像深度估计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：CN119559230B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202410426737.3，技术领域涉及：G06T7/55；该发明授权基于手动特征伪装的热图像深度估计方法是由曹明伟;李宏宇;曹志伟;赵海峰;孙登第设计研发完成，并于2024-04-10向国家知识产权局提交的专利申请。

本基于手动特征伪装的热图像深度估计方法在说明书摘要公布了：本发明公开一种基于手动特征伪装的热图像深度估计方法，首先输入原始热图像和相机内部参数；然后，计算得到加强热图像；其次，构造特征提取编码器、计算热图像特征图及其集合；再次，构造特征伪装结构，计算不确定特征图；从次，构造特征向量解码器，计算估计深度图；和地面真实值计算混合损失；最后，根据估计深度图和地面真实值计算混合损失，即可获得精确的深度图。本发明既能解决现有基于自监督的单目图像深度估计方法在处理大规模室外环境条件恶劣图像数据时所产生的远距离信息感知不足问题，又能提高估计深度的工作效率，为大规模室外环境条件恶劣图像数据在深度估计领域的应用以及三维立体重建和视觉导航技术的发展奠定了重要基础。

本发明授权基于手动特征伪装的热图像深度估计方法在权利要求书中公布了：1.一种基于手动特征伪装的热图像深度估计方法，其特征在于，包括以下步骤：步骤S1、输入热图像以及摄像机对应的内部参数，每组热图像数据中均包含有N幅宽为W、高为H的热图像，每幅热图像均有对应相机的内部参数和外部参数；其中，i表示热图像的序号，第i幅热图像的相机内部参数为Ki、相机的外部参数为Ti；步骤S2、计算加强热图像；首先，对于每一幅源热图像均提取由其热辐射值组成的直方图hθ；hθ＝sθ，θ＝t0,t1,…,tmax；[tθ,tθ+1]是源热图像的直方图的各个温度区间，sθ是[tθ,tθ+1]温度区间中的样本数量；tmax是指源热图像直方图的最大温度；然后将所有直方图hθ按照热辐射值vra重新排序，得到热辐射值重排后的热图像重新排序的公式如下： 其中，γθ是缩放因子，t′θ为每个子直方图缩放的新偏移量，是指与子直方图数目成正比的比例因子；最后将热辐射值重排后的热图像输入热图像处理结构，先在内部将图像划分为不重叠的局部图像，后使用预定义的限幅阈值进行每张局部图像的直方图均衡化处理，得到细节加强后的热图像步骤S3、构造特征提取编码器，计算特征向量集合；先基于热图像构造第一阶段的特征图对于每幅特征图均提取其五种不同尺度的特征图且特征图的尺度依次为：H×W，和最后将五种特征图组合成一个特征集合步骤S4、构造特征伪装结构，对特征集合中的信息进行隐藏和筛选；先对多尺度特征图提取隐藏特征图然后，将输入到特征伪装结构中，即可计算出不确定特征图Dt，具体方法为：步骤S4.1、使用|sinx|、|cosx|、|2sinxcosx|和sin2x构成手动特征伪装器，将步骤S3第五尺寸特征图输入到手动特征伪装器获得伪装特征图步骤S4.2、将伪装特征图线性组合得到手动伪装特征图Fmc，计算公式如下： 其中，α和β是超参数并将其设置为0.2和0.4，且将手动伪装特征图Fmc组合到特征集合中；步骤S5、构造特征向量解码器，特征向量解码器包括解码残差模块和激活函数；将所得不确定特征图Dt进行线性组合，将线性组合后的结果输入到特征向量解码器中，即可获得深度图Id；步骤S6、计算混合损失Loss，Loss＝γLossgc+δLosseds+Losstrl；其中，Lossgc为深度真实值与深度预测值之间的几何损失，Losseds为由深度估计图Id引入的边缘感知平滑损失，Losstrl为由深度估计图Id引入的热图像重建损失，γ和δ为超参数；步骤S7、重复步骤S3至步骤S6，直至算法收敛，即可获得深度图估计模型。

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安徽大学，其通讯地址为：230601 安徽省合肥市蜀山区经开区九龙路111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”。