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！

龙图腾网恭喜浙江工业大学申请的专利一种货架商品图像拼接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：CN115115522B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210976559.2，技术领域涉及：G06T3/4038；该发明授权一种货架商品图像拼接方法及系统是由潘清;曾波波;朱锦涛;陆飞;方路平设计研发完成，并于2022-08-15向国家知识产权局提交的专利申请。

本一种货架商品图像拼接方法及系统在说明书摘要公布了：本发明提供了一种货架商品图像拼接方法及系统，本发明先将两张货架商品图像A和B输入至一训练好的深度单应性估计网络，获得估计的单应性矩阵H；依据单应性矩阵H对货架商品图像B进行形变，得到对应的形变图像C；再将得到的形变图像C与货架商品图像A进行拼接融合，最后进行特征优化，增强图像质量，得到高分辨率的拼接图像E。本发明采用了一个由特征提取模块、特征相关层、回归模块组成的深度单应性估计网络来对两幅图像之间的单应性进行预测，大大减少了拼接图像中的伪影现象，提高了图像质量。本发明模型具有拼接任意尺寸输入图像的功能，解决了货架输入图像尺寸多样的难题。

本发明授权一种货架商品图像拼接方法及系统在权利要求书中公布了：1.一种货架商品图像拼接方法，其特征在于，包括：1获取待拼接的两张货架商品图像A和B；2将两张货架商品图像A和B输入至一训练好的深度单应性估计网络，获得估计的单应性矩阵H；依据单应性矩阵H对货架商品图像B进行形变，得到对应的形变图像C；所述深度单应性估计网络由依次连接的n个特征处理模块、全局特征相关层和回归网络模块组成，其中：特征处理模块用于依据输入的图像提取特征；全局特征相关层用于对第n个特征处理模块输出的货架商品图像A和B对应的特征图进行每个特征点的相关性计算；回归网络模块用于依据全局特征相关层输出的每个特征点的相关性预测货架商品图像A和B重叠的各两个顶点的x、y坐标偏移，再根据得到的八个偏移坐标以及投影变换因子1得到估计的单应性矩阵H；所述训练好的深度单应性估计网络是基于获取的训练数据集，以训练数据集的每一样本对作为输入，最小化预测的单应性矩阵H与真值的误差为目标训练获得；3将步骤2得到的形变图像C与货架商品图像A进行拼接融合，得到融合后的图像D；4对步骤3获得的图像D进行特征优化，增强图像质量，得到高分辨率的拼接图像E；所述深度单应性估计网络还包括n-2个局部特征相关层和n-2个回归网络模块，其中，第n-1个回归网络模块用于依据全局特征相关层输出的每个特征点的相关性预测货架商品图像A和B重叠的各两个顶点的x、y坐标偏移，再根据得到的八个偏移坐标以及投影变换因子1得到估计的单应性矩阵H；第n-2个局部特征相关层用于对第n-2个特征处理模块输出的货架商品图像A的特征图和依据第n个回归网络模块输出的单应性矩阵H对第n个特征处理模块输出的货架商品图像B对应的特征图进行形变后的特征图FB’12^n-2进行每个特征点的相关性计算；第n-2个回归网络模块用于依据第n-2个局部特征相关层输出的每个特征点的相关性预测货架商品图像A和B重叠的各两个顶点的x、y坐标偏移，再根据得到的八个偏移坐标以及投影变换因子1得到估计的单应性矩阵H；以此类推，直至第1个回归网络模块依据第1个局部特征相关层输出的每个特征点的相关性预测货架商品图像A和B重叠的各两个顶点的x、y坐标偏移，再根据得到的八个偏移坐标以及投影变换因子1得到估计的单应性矩阵H；所述回归网络模块中，依据全局特征相关层输出的每个特征点的相关性预测货架商品图像A和B重叠的各两个顶点的x、y坐标偏移，并依据输入的待拼接的两张货架商品图像与训练数据集中图像的尺寸比值对预测的x、y坐标偏移量进行调整，具体如下： 其中，σw＝wW，σh＝hH，w和h分别表示训练数据集中图像的宽度以及高度，W和H分别表示待拼接的两张货架商品图像的宽度以及高度；ΔUi和ΔVii＝1,2,3,4分别表示训练数据集中图像进行单应性估计时，同一坐标系下重叠区域的四个顶点的x坐标以及y坐标的偏移量；σwΔUi和σwΔVii＝1,2,3,4分别表示待拼接的两张货架商品图像进行单应性估计时，同一坐标系下重叠区域的四个顶点的x坐标以及y坐标的偏移量。

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工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。