買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江大學申請的專利一種融合時空語義信息的端到端單目視覺里程計方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120088332B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510578595.7，技術領域涉及：G06T7/73；該發明授權一種融合時空語義信息的端到端單目視覺里程計方法是由李基拓;孫順旺;張佳路;薛庭熙;胡錦瑤;鄒雨哲;陸國棟設計研發完成，并于2025-05-07向國家知識產權局提交的專利申請。

本一種融合時空語義信息的端到端單目視覺里程計方法在說明書摘要公布了：本發明公開了一種融合時空語義信息的端到端單目視覺里程計方法。此方法通過彩色單目相機采集連續圖像序列幀，構建了多信息融合的端到端深度學習框架；還采用異構訓練域集合多種數據集課程共享參數融合訓練，并通過輸入連續圖像序列，所述端到端深度學習框架動態耦合歷史輸出的隱狀態特征向量，形成時序感知的特征映射關系，實現對場景中靜態背景要素與動態實體對象的可解釋特征解耦。經迭代式特征融合后，系統輸出符合場景幾何約束的稀疏深度及相機運動位姿，從而構建了一個在復雜環境下具有高魯棒性和強泛化能力的相機軌跡估計模型。該方法顯著提升了單目視覺里程計的定位精度和穩定性。

本發明授權一種融合時空語義信息的端到端單目視覺里程計方法在權利要求書中公布了：1.一種融合時空語義信息的端到端單目視覺里程計方法，其特征在于，包括以下步驟： 1通過彩色單目相機采集連續圖像序列，獲取圖像幀序列It、It+1、It+2…It+n，其中t表示當前幀的幀序數； 2構建端到端深度學習定位Transformer框架，所述框架包括：光流估計網絡、多尺度光流特征提取網絡、光流內參編碼器、深度語義特征編碼器、多模態時空特征融合解碼器和相機位姿預測層； 3利用多源異構數據集與自主構建的動態模糊數據集進行課程共享參數學習，其中使用帶權重衰減的自適應矩估計優化器結合基于Lambda函數的學習率調整器學習率分段衰減策略對網絡權重學習和訓練； 4對彩色單目相機采集得到的連續圖像序列It與It+1輸入到此構建的端到端深度學習定位Transformer框架中，獲得圖像幀之間的稀疏深度和相機相對位姿變換信息，具體為：通過以下迭代式時空特征融合機制實現相機運動軌跡估計： 4.1光流特征生成階段：將連續輸入幀It與It+1輸入SEA-RAFT光流估計網絡，輸出像素級光流場Ft→t+1； 4.2多模態特征編碼階段：將光流場Ft→t+1和相機內參層K拼接輸入光流內參編碼器，生成多尺度光流內參編碼特征向量Eflow_intrin；隨后，將當前幀It輸入DepthAnythingv2模型，同步提取多層級語義特征Esem和深度特征圖Di，并通過多層感知機MLP將Esem與Di維度轉換一致進行加權求和，生成增強的深度語義特征Edepth_sem； 4.3跨模態注意力融合階段：在多模態時空特征融合解碼器中，將Eflow_intrin、Edepth_sem與歷史隱藏特征Hi-1輸入，通過時序自注意力融合時序信息，可變形注意力模塊實現自適應光流空間特征聚合，交叉注意力模塊實現深度語義信息融合； 4.4時序遞歸優化階段：將當前多模態時空特征融合解碼器末層輸出特征Hi輸入相機位姿預測層，輸出當前幀間相機的六自由度相對位姿；與此同時，通過全連接神經網絡濾波器生成稀疏參考點的深度圖；并且在下一時序步驟處理It+1與It+2時，將Hi作為時序自注意力模塊的一部分輸入，構建跨幀特征關聯，如此隨著時間的推移，各個時間幀都融入了上一幀的潛在特征； 4.5通過漸進式課程學習機制使遞歸特征傳遞過程在復雜場景下保持穩定收斂，最終形成時序鏈式依賴的軌跡優化結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。