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！

龙图腾网获悉中科方寸知微(南京)科技有限公司申请的专利基于关键点匹配的导线实例检测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：CN119672004B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202411775989.3，技术领域涉及：G06T7/00；该发明授权基于关键点匹配的导线实例检测方法及系统是由赵鑫;夏峥铮设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本基于关键点匹配的导线实例检测方法及系统在说明书摘要公布了：本发明公开了一种基于关键点匹配的导线实例检测方法及系统，该方法包括获取原始航拍图像数据，通过动态特征映射与增强处理，生成四维特征矩阵，经投影变换得到三维投影特征数据，进行特征增强得到增强特征数据，通过多尺度特征融合生成强化特征图数据；将强化特征图数据通过特征重组得到特征矩阵数据，经递归分解和映射生成响应矩阵数据，计算自适应阈值数据筛选关键点；对筛选的关键点集合通过多层热力图生成热力图数据，结合空间特征增强得到空间关联矩阵，基于多维约束进行端点匹配；最后通过边界特征分析和跨块实例匹配，构建全局导线图，实现导线实例的精确检测。本发明可有效提高导线检测的准确性和鲁棒性。

本发明授权基于关键点匹配的导线实例检测方法及系统在权利要求书中公布了：1.基于关键点匹配的导线实例检测方法，其特征在于，包括如下步骤： S1、获取原始航拍图像数据，通过动态特征映射与增强处理，生成四维特征矩阵；对四维特征矩阵进行投影变换，得到三维投影特征数据；基于三维投影特征数据，进行特征增强和多尺度特征融合，生成融合特征数据；基于融合特征数据，生成强化特征图数据； S2、基于强化特征图数据，通过特征重组，得到特征矩阵数据；基于特征矩阵数据，进行递归分解和映射，生成响应矩阵数据；基于响应矩阵数据，计算自适应阈值数据，并筛选关键点；对筛选的关键点进行特征增强，输出特征描述集合和关键点集合； S3、基于关键点集合和特征描述集合，通过多层热力图，生成热力图数据；基于热力图数据和关键点的空间位置，构建空间关联矩阵和多维约束，进行端点匹配，获得匹配得分数据；基于匹配得分数据，构建导线实例并验证，最终输出导线实例集合； S4、基于导线实例集合，进行边界特征分析，得到边界特征矩阵；基于边界特征矩阵，进行跨块实例匹配，生成跨块匹配数据；基于跨块匹配数据，进行拓扑优化，生成拓扑可信度数据；基于拓扑可信度数据，进行实例融合和质量评估，生成置信度图和全局导线图； 步骤S1进一步为： S11、获取原始航拍图像数据，构建四维特征矩阵，包括空间坐标维度、时间维度和图像通道维度；计算四维特征矩阵中各切片的第一标准差和第一均值，基于第一标准差与第一均值的比值关系，生成自适应权重系数；将四维特征矩阵与自适应权重系数进行加权组合，输出三维投影特征数据； S12、基于三维投影特征数据，计算特征方差值和梯度幅值；基于特征方差值，确定增强系数和平衡系数；基于梯度幅值的中位数，确定调节系数；将三维投影特征数据与其二阶梯度进行线性组合，并采用增强系数、平衡系数和调节系数进行加权，输出增强特征数据； S13、将增强特征数据按不同尺度进行划分，生成多尺度特征序列；计算多尺度特征序列中各尺度特征之间的相关性矩阵，获取特征相关度数据；基于特征相关度数据，构建权重矩阵；基于权重矩阵，对多尺度特征序列进行加权融合，输出融合特征数据； S14、基于融合特征数据，计算其最大值、最小值和标准差；基于最大值和最小值，对融合特征数据进行归一化处理，得到归一化特征数据；基于标准差，计算动态缩放因子；将归一化特征数据与动态缩放因子相乘，最终输出强化特征图数据。

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中科方寸知微(南京)科技有限公司，其通讯地址为：211135 江苏省南京市江宁区麒麟科技创新园创研路266号人工智能产业园3号楼203B室；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”。