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！

龙图腾网获悉东南大学申请的专利基于Transformer的单目光流、深度和位姿无监督联合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：CN115810045B 。

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：202211473988.4，技术领域涉及：G06T7/73；该发明授权基于Transformer的单目光流、深度和位姿无监督联合估计方法是由张涛;刘晓晨设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本基于Transformer的单目光流、深度和位姿无监督联合估计方法在说明书摘要公布了：基于Transformer的单目光流、深度和位姿无监督联合估计方法，具体来说，为降低网络参数和结构的冗余，同时考虑光流、深度和位姿无监督联合估计的任务在时序上的连续性，本发明采用具有全局感受野的Transformer作为唯一的特征编码器为三个任务同时提供统一的、具有一致性的特征描述。此外，为实现光流、深度和位姿估计之间的精度提升，考虑到联合估计任务之间的相似性。本发明在网络的训练过程中，提出了互引机制来为网络引入几何先验，实现对光流与位姿、深度的双向迭代优化。此方法可以用于以无人机、无人车或机器人等为载体的，面向单目视觉的光流、深度和位姿的联合估计任务。

本发明授权基于Transformer的单目光流、深度和位姿无监督联合估计方法在权利要求书中公布了：1.基于Transformer的单目光流、深度和位姿无监督联合估计方法，具体步骤如下，其特征在于： （1）训练阶段： 在训练阶段的数据为单目相机采集的三张连续图片帧，将其在通道维度进行拼接后直接输入到Transformer编码器对特征进行编码，为后续光流、深度和位姿的联合估计提供统一的特征表示，而后分别经过光流、深度和位姿解码器完成对特征的解码，进而完成对应信息的联合估计，在此过程中，采用改进的无监督损失函数，利用光流和深度与位姿之间的空间结构关系，使得网络实现无监督学习，并利用梯度回传对网络参数进行不断迭代，直至损失趋向最优，完成训练； 所述步骤（1）中无监督光流、深度和位姿联合估计网络的具体含义如下： 包括以下两个方面； （1）基于Transformer的统一特征提取器， 用一个Transformer作为三个任务的统一编码器，仅用一次统一的特征提取即可完成三个任务对于不同特征的需求，同时，光流、深度和位姿估计任务在三维结构上具有强的几何一致性，网络由Transformer编码器和光流、深度与位姿解码器分支组成，各个网络结构关系如下； （1） （2） （3） （4） 其中，代表Transformer统一特征提取器，代表三张时间连续的输入图像帧，代表Transformer提取的统一特征，表示光流解码器分支网络估计出的两组光流，代表由深度解码器分支网络估计出的一张深度图，则为位姿解码器分支网络估计的两组位姿； （2）基于互引机制的光流与深度、位姿的迭代优化方法； 通过引入互引机制来为网络引入几何先验，实现光流与位姿、深度的双向迭代优化，具体来说，为使光流与深度、位姿的估计精度能够实现相互促进，利用光流分支作为深度和位姿分支的指导器，令其在光流的角度指导深度和位姿生成，同时，深度和位姿分支亦作为光流分支的指导器，使其在深度和位姿估计的角度指导光流的生成，以此种互引机制来使得光流与深度、位姿估计相互促进； （2）预测阶段： 当网络完成训练后，固定网络参数，输入三帧测试集上连续的单目图像，经过Transformer编码器对特征的统一提取与编码后，输入给各个解码器分支，即可同时完成单目光流、深度和位姿的估计，同时，三个任务在预测阶段亦可独立实现预测，互不干扰。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼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”。