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！

龙图腾网获悉南京邮电大学申请的专利一种基于点云学习的无监督单目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：CN116912207B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310873710.4，技术领域涉及：G06T7/00；该发明授权一种基于点云学习的无监督单目深度估计方法是由邵文泽;范文浩设计研发完成，并于2023-07-17向国家知识产权局提交的专利申请。

本一种基于点云学习的无监督单目深度估计方法在说明书摘要公布了：本发明属于计算机视觉图像处理领域，公开一种基于点云学习的无监督单目深度估计方法，包括：准备数据集；将训练集分批输入无监督单目点云估计模型，模型输出与输入图像对应的预测点云、位姿变化，计算与输入图像对应的重投影图像和重建点云，计算训练总损失，包括重投影损失、预测点云的自监督约束损失、预测点云的帧间约束损失、边缘平滑损失；使用总损失约束模型训练，到最优的无监督单目点云估计模型；准备用于3D目标检测的数据集，用预测点云文件替换真实点云文件；训练3D目标检测模型，得到最优3D目标检测模型。本发明深入挖掘纯图像方法，通过直接估计点云并引入点云约束，提升了道路场景的深度估计及3D目标检测精度。

本发明授权一种基于点云学习的无监督单目深度估计方法在权利要求书中公布了：1.一种基于点云学习的无监督单目深度估计方法，其特征在于：所述无监督单目深度估计方法包括如下步骤： 步骤1：准备用于无监督单目深度估计的数据集D1，数据集包括训练集D1-T和验证集D1-E，所述训练集包括摄影设备拍摄的多组时间连续单目图像，所述验证集包括摄影设备拍摄的多张不连续单目图像； 步骤2：将训练集D1-T分批输入无监督单目点云估计模型，每批训练数据包括多组连续单目图像，模型输出用于计算损失的数据，输出数据包括与输入图像对应的预测点云、与输入图像对应的摄影设备位姿变化，其中，所述无监督单目点云估计模型为编码器解码器架构，其中：编码器为ResNet18模型，用于提取场景图像的特征，解码器为点云解码器，用于解码场景图像的特征并输出场景的预测点云； 步骤3：根据步骤2所得的预测点云和摄影设备位姿变化，计算与输入图像对应的重投影图像和重建点云； 步骤4：根据步骤2所得的预测点云和步骤3所得的重投影图像、重建点云，计算训练总损失，其中所述训练总损失包括重投影损失、预测点云的自监督约束损失、预测点云的帧间约束损失、边缘平滑损失，其中，所述预测点云的自监督约束损失表示为： 其中SSIMpc是点云结构相似性度量函数，用于测量两团点云的结构相似性，P表示步骤3的重建点云，Q表示步骤2的预测点云，Pt表示目标帧图像对应的重建点云，Qt表示目标帧图像对应的预测点云，median表示取中位数，div表示逐点除，υ是超参数，Pt表示为： Pt＝DptK-1pt 其中K表示摄影设备的相机内参，D表示无监督单目点云估计模型计算的深度，所述深度是点云估计模型输出的点云的第三维度，Dpt是pt的深度，pt是目标帧上的坐标； 所述预测点云的帧间约束损失表示为： 其中，Q表示步骤2的预测点云，Q′s表示对源帧的预测点云进行依据采样点扭曲点云的变换操作warp操作得到的点云，Qt表示目标帧的预测点云，Qt→s表示对目标帧的预测点云进行位姿变换得到的点云，SSIMpc是点云结构相似性度量函数、median表示取中位数，div表示逐点除，υ是超参数，Q′s和Qt→s分别表示为： Q′s＝warpQs,p′s Qt→s＝Tt→sQt 其中，Tt→s是模型输出的位姿变化，warp是依据采样点扭曲点云的变换操作，Qs是源帧预测点云，p′s是源帧上的采样点，所述变换操作warpQ′s,p′s是指源帧预测点云Qs根据采样点p′s来扭曲变形，所述采样点是目标帧坐标向源帧重投影得到的坐标，即源帧上与目标帧对应的点，p′s表示为： p′s～KTt→sDptK-1pt 其中K表示摄影设备的相机内参，D表示无监督单目点云估计模型计算的深度，所述深度是点云估计模型输出的点云的第三维度； 步骤5：使用步骤4所得训练总损失训练步骤2所述无监督单目点云估计模型，得到最优的无监督单目点云估计模型，使用训练集D1-E对最优的无监督单目点云估计模型进行验证，计算深度估计指标； 步骤6：准备用于3D目标检测的数据集D2，数据集包括训练集D2-T和验证集D2-E，所述训练集和验证集均包括摄影设备拍摄的多张不连续单目图像、所述图像对应的点云文件，所述点云文件为步骤2所得输入图像对应的预测点云； 步骤7：使用训练集D2-T训练3D目标检测模型，得到最优3D目标检测模型，使用验证集D2-E对最优3D目标检测模型进行验证，计算3D目标检测指标。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。