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！

龙图腾网获悉大连理工大学申请的专利一种基于双目视觉的列车前方场景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：CN119887851B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510378666.9，技术领域涉及：G06T7/246；该发明授权一种基于双目视觉的列车前方场景深度估计方法是由刘全利;符龙宇;王伟设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本一种基于双目视觉的列车前方场景深度估计方法在说明书摘要公布了：本发明涉及图像数据领域，提供一种基于双目视觉的列车前方场景深度估计方法，方法包括：通过双目相机获取列车前方场景的图像数据；数据增强后，提取网络获取多尺度特征；利用14分辨率的特征构建代价体；将代价体的几何特征与图像的上下文特征融合后，输入预先构建的多尺度空间注意力网络，优化代价体的聚合结果；通过视差回归对代价体的聚合结果进行视差估计，得到初始视差图；利用误差感知增强模块对初始视差图进行优化，得到列车前方景深的最终结果。用以解决相关技术中进行列车前方景深估计时精确度不高的缺陷，本申请的方案中基于列车前方场景的图像数据进行景深估计，相较于传统技术具有更高的识别精度，同时保持较高的预测速度。

本发明授权一种基于双目视觉的列车前方场景深度估计方法在权利要求书中公布了：1.一种基于双目视觉的列车前方场景深度估计方法，其特征在于，包括： 通过双目相机获取列车前方场景的左视图和右视图； 对所述左视图和所述右视图进行数据增强后，利用轻量级特征提取器对所述左视图和所述右视图进行特征提取，得到多尺度特征； 使用分组相关的方法，利用14分辨率的特征构建代价体； 将代价体所含的几何特征与扩展后的图像上下文特征相乘后，输入预先构建的多尺度空间注意力网络，获取所述代价体的聚合结果； 通过视差回归对代价体的聚合结果进行视差估计，上采样后得到初始视差图； 应用误差感知增强模块，将初始视差图、左图像、重建误差和左图全局特征连接起来，输入到注意力增强模块中，之后利用双沙漏模型优化得到深度残差图,将所述初始视差图与深度残差图相加，得到列车前方景深的最终估计结果； 所述多尺度空间注意力网络包括第一卷积层、第二卷积层、第三卷积层和第四卷积层； 其中所述第一卷积层将扩展的上下文特征与几何特征相乘后通过3D卷积操作进行预处理，之后将预处理后的特征与原特征在通道维度进行拼接； 所述第二卷积层其中一个分支包括2个内核为3×3×3的3D卷积，用于获取低层次的空间信息；另一分支包括1个内核为3×3×3的3D卷积，1个内核为5×5×5的3D卷积，1个内核为7×7×7的3D卷积和1个内核为9×9×9的3D卷积，用于捕捉不同尺度下的特征，逐层增加感受野，获取更丰富的多层次空间信息，并将获取得到的结果在通道维度进行拼接； 所述第三卷积层包括1个内核为1×1×1的3D卷积，用于调整通道维度，并将拼接后的多尺度空间关注向量转化为权重； 所述第四卷积层用于输出加权求和后的所述代价体的聚合结果； 所述第一卷积层满足如下公式： ； ； ； 其中，为扩展后的上下文特征，为几何特征，为哈达玛积，为融合后的特征，为预处理后的特征，为拼接后的特征； 所述第二卷积层满足如下公式： ； 其中，为拼接后的空间信息，为拼接操作，为第一分支，为第二分支，为输入的数据； 第三卷积层满足如下公式： ； 其中，为权重，为sigmoid函数； 第四卷积层满足如下公式： ； 其中，为输出的代价体的聚合结果。

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大连理工大学，其通讯地址为：116000 辽宁省大连市甘井子区凌工路2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”。