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！

龙图腾网恭喜深圳大学申请的专利基于相位引导Transformer-CNN双路径融合的深度图预测方法和装置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：CN119445310B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202510020085.8，技术领域涉及：G06V10/80；该发明授权基于相位引导Transformer-CNN双路径融合的深度图预测方法和装置是由陆小微;陈烁;郭鸣宇;蔡懿;孙一翎;曾选科;徐世祥;李景镇设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本基于相位引导Transformer-CNN双路径融合的深度图预测方法和装置在说明书摘要公布了：本发明公开一种基于相位引导Transformer‑CNN双路径融合的深度图预测方法和装置，包括：获取待处理的条纹图像；通过傅里叶模型对所述条纹图像提取关于相位信息的频率特征，并利用Transformer模型获取长距离和全局频率特征；利用CNN模型从所述条纹图像中提取细节特征；对所述长距离和全局频率特征以及所述细节特征进行交叉融合，并进行多尺度特征增强得到所述条纹图像的深度图。PG‑FTCNet能有效预测复杂表面上的相位信息，同时显著提高深度图预测的精度。该方法以条纹投影轮廓术中的单张条纹图像为输入，同时实现相位展开和深度图预测，在提升结果可解释性的同时，保留了高效的端到端计算模式，为FPP的三维重建任务提供了一种可靠且实用的解决方案。

本发明授权基于相位引导Transformer-CNN双路径融合的深度图预测方法和装置在权利要求书中公布了：1.一种基于相位引导Transformer-CNN双路径融合的深度图预测方法，其特征在于，包括：获取待处理的条纹图像；通过傅里叶模型对所述条纹图像提取关于相位信息的频率特征，并利用Transformer模型获取长距离和全局频率特征；利用CNN模型从所述条纹图像中提取细节特征；对所述长距离和全局频率特征以及所述细节特征进行交叉融合，并进行多尺度特征增强得到所述条纹图像的深度图；其中，所述对所述长距离和全局频率特征以及所述细节特征进行交叉融合，包括：在编码器中，Transformer分支与CNN分支在每层进行特征交叉融合；在解码器中，完成特征交叉融合后的特征图像通过上采样恢复至原始条纹图像的分辨率，并利用跳跃连接将编码器中特征交叉融合后的特征图像与解码器的上采样特征进行合并，以生成展开相位；其中，在编码器中，Transformer分支与CNN分支通过用于融合多尺度的局部和全局特征的多尺度全局-局部融合模型MGLF在每层进行特征交叉融合，包括：将包含所述细节特征的条纹图像输入至卷积嵌入模型转换为Transformer分支的数据形状特征，其中，所述卷积嵌入模型用于将局部特征转换为与全局特征一致的数据形状；将转换为Transformer分支的数据形状特征与所述长距离和全局频率特征进行融合，并经图像重建模型恢复为标准特征图后由CNN模型进行优化，其中，所述图像重建模型用于将全局特征重新展开为局部特征的数据形状，与初始局部特征融合。

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深圳大学，其通讯地址为：518000 广东省深圳市南山区南海大道3688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”。