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！

龙图腾网获悉哈尔滨工程大学申请的专利基于双向状态空间模型的单目深度估计方法、设备与介质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：CN119295523B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202411304516.5，技术领域涉及：G06T7/50；该发明授权基于双向状态空间模型的单目深度估计方法、设备与介质是由范聪毅;关键;叶桐;肖飞扬;徐东篱;赵宣嘉设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本基于双向状态空间模型的单目深度估计方法、设备与介质在说明书摘要公布了：一种基于双向状态空间模型的单目深度估计方法、设备与介质，涉及一种图像处理技术，解决了目前的自监督方法在长序列建模、训练速度、推理速度以及捕捉场景复杂细节方面均存在不足且模型在稀疏监督下的优化效果不好的问题。本发明单目深度估计方法包括如下步骤：构建编码器‑解码器结构，包括有连续膨胀卷积模块和双向状态空间模块，由编码器生成训练图像的中间特征，对长距离中间特征信息进行建模，由解码器生成输出特征；构建姿态估计模型，并利用解码器生成的输出特征与训练图像的深度估计进行联合重建，对学习目标建模，设计目标图像与重建图像的损失函数来优化网络；采用公开的KITTI数据集对所构建的模型进行训练得到权重模型，并对训练完成的模型对于单目图像深度估计的精度进行评估。本发明用于图像单目深度估计。

本发明授权基于双向状态空间模型的单目深度估计方法、设备与介质在权利要求书中公布了：1.一种基于双向状态空间模型的单目深度估计方法，其特征在于：包括如下步骤： 步骤S1：构建编码器-解码器结构，包括有连续膨胀卷积模块和双向状态空间模块，由编码器生成训练图像的中间特征，对长距离中间特征信息进行建模，由解码器生成输出特征； 步骤S2：构建姿态估计模型，并利用解码器生成的输出特征与训练图像的深度估计进行联合重建，对学习目标建模，设计目标图像与重建图像的损失函数来优化网络； 步骤S3：采用公开的KITTI数据集对所构建的模型进行训练得到权重模型，并对训练完成的模型对于单目图像深度估计的精度进行评估； 所述步骤S1构建编码器-解码器结构，由编码器生成训练图像的中间特征，对长距离中间特征信息进行建模，由解码器生成输出特征的步骤包括： 构建编码器的主干，所述编码器的主干包括卷积模块ConvStem和中间特征提取层，所述中间特征提取层包括连续膨胀卷积模块和双向状态空间模块；在训练图像经过所述卷积模块ConvStem处理之后，通过所述连续膨胀卷积模块生成可以被所述双向状态空间模块处理的特征矩阵；输出特征矩阵输入到所述双向状态空间模块处理，对长距离中间特征信息进行建模；基于编码器输出的特征矩阵，通过三层解码器解码生成训练图像的深度信息； 所述的在训练图像经过卷积模块ConvStem处理之后，通过所述连续膨胀卷积模块生成可以被所述双向状态空间模块处理的特征矩阵的步骤包括： 通过深度可分离膨胀卷积提取经过卷积模块ConvStem处理之后的图像，生成具有多尺度局部信息的特征矩阵；批标准化层BatchNorm对所述多尺度局部信息的特征矩阵进行竖向归一化，获得归一化特征；所述归一化特征通过一维卷积核生成新的特征矩阵FeatureMap；所述新的特征矩阵通过RELU激活函数激活；通过RELU激活函数激活后的特征，经过一维卷积核生成可以被双向状态空间模块处理的特征矩阵。

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哈尔滨工程大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区南通大街145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”。