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！

龍圖騰網獲悉廣州大學申請的專利一種基于多尺度特征提取的輕量化雙目立體匹配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：CN117132794B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202311076771.4，技術領域涉及：G06V10/75；該發明授權一種基于多尺度特征提取的輕量化雙目立體匹配方法是由嚴一爾;黃綺敏設計研發完成，并于2023-08-24向國家知識產權局提交的專利申請。

本一種基于多尺度特征提取的輕量化雙目立體匹配方法在說明書摘要公布了：本說明書實施例提供了一種基于多尺度特征提取的輕量化雙目立體匹配方法，通過特征提取器使用切塊卷積和殘差塊進行下采樣，保留更多有效的特征信息，生成高精度的特征圖；通過語義指導模塊，保留原圖信息，進行有效的視差修正；使用結構輕巧的輕量化代價聚合網絡，以快速的推理速度進行代價聚合；使用TensorRT優化器對網絡層進行推理加速，在資源受限的NVIDIAJetsonNano設備上進行實時部署，同時保持較高的精確度。

本發明授權一種基于多尺度特征提取的輕量化雙目立體匹配方法在權利要求書中公布了：1.一種基于多尺度特征提取的輕量化雙目立體匹配方法，其特征在于，包含下述步驟：S1.基于切塊卷積的特征提取器對輸入圖像提取特征，得到相對于原始輸入圖像14和116分辨率的特征圖； S2.將左輸入圖通過最大池化層和三個殘差層得到14分辨率特征圖，構建語義指導模塊；具體方法如下： 首先，使用左輸入圖通過最大池化層得到14分辨率特征圖，再通過一個步長為1的3×3的普通二維卷積調整輸入通道數； 然后，通過三個殘差塊進行過濾，每個殘差塊包含兩個步長為1的3×3普通二維卷積； 最后，通過一個步長為1的3×3的普通二維卷積調整輸出通道數，其中，所述輸出通道數與所述116分辨率的粗估計視差圖通過雙線性插值上采樣處理至14分辨率的視差圖的通道數相同； S3.使用提取得到的116分辨率特征圖來構建分組距離代價體積，通過輕量化的代價聚合網絡對所述分組距離代價體積進行正則化處理，得到聚合后的匹配代價體積； 所述輕量化的代價聚合網絡由兩個卷積核大小為5×5×5的三維卷積層和兩個殘差塊構成；通過第一個5×5×5的三維卷積層提高代價體積的維度；通過所述兩個殘差塊進一步優化代價體積，此處的每個殘差塊都是一個卷積核大小為5×5×5的三維卷積層、兩個卷積核大小為1×1×1的三維卷積層以及跳連結構構成；最后，通過第二個5×5×5的三維卷積層降低代價體積的維度，獲得最終細化的代價體積； S4.聚合后的匹配代價體積通過視差回歸生成116分辨率的粗估計視差圖，將所述116分辨率的粗估計視差圖通過雙線性插值上采樣處理至14分辨率的視差圖，與通過語義指導模塊輸出的14分辨率的特征圖進行拼接后，通過雙線性插值上采樣至全尺寸，得到第一階段視差圖； S5.將第一階段所述116分辨率的粗估計視差圖通過雙線性插值上采樣至14分辨率視差圖，與通過語義指導模塊的14分辨率特征圖進行拼接后得到視差修正后的14分辨率視差圖，視差修正后的14分辨率視差圖和左圖特征進行動態偏移量構建分組相關代價體積，所述代價體積通過代價聚合網絡和視差回歸獲得殘差圖，將所述殘差圖添加到第一階段視差修正后的14分辨率視差圖生成14分辨率精估計的視差圖，通過雙線性插值上采樣成全尺寸，得到第二階段視差圖； S6.使用Adam優化器對損失函數進行優化模型；利用TensorRT對優化后的模型進行推理加速。

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廣州大學，其通訊地址為：510006 廣東省廣州市番禺區小谷圍街道大學城外環西路230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”。