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基于运动感知与时空协同建模的事件相机光流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：CN120495352B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510984554.8，技术领域涉及：G06T7/269；该发明授权基于运动感知与时空协同建模的事件相机光流估计方法是由邵文泽;朱金晶;李浏诣;王建;石峰设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本基于运动感知与时空协同建模的事件相机光流估计方法在说明书摘要公布了：本发明提出了基于运动感知与时空协同建模的事件相机光流估计方法，包括以下步骤：准备数据集；将事件数据划分并编码为时空体素表示；构建运动感知时空聚合模型，包括双向相关体积模块、空间特征增强模块和时空运动协同模块；利用训练集对模型进行训练，并通过反向传播算法不断优化模型参数，生成对应的高分辨率稠密光流图。本发明方法能够有效缓解事件数据稀疏性导致的空间信息缺失问题，并利用时间一致性增强运动轨迹的稳定感知能力，从而显著提升光流估计的准确性，适用于自动驾驶、机器人导航、智能监控等高动态环境下对精确运动感知和实时响应能力要求较高的任务场景。

本发明授权基于运动感知与时空协同建模的事件相机光流估计方法在权利要求书中公布了：1.基于运动感知与时空协同建模的事件相机光流估计方法，其特征在于，包括以下步骤： 步骤1，采集真实场景下的原始事件数据，并通过多传感器融合生成对应的伪真值光流标签，构建用于训练与评估的事件光流数据集； 步骤2，对原始事件数据进行时域上的离散化，将其编码为具有固定时间分辨率的事件体素序列，使用双向体素化策略，以参考时间点为中心，将事件体素序列划分为前向和后向两个子段，作为后续模型的输入； 步骤3，构建基于深度递归神经网络的运动感知时空聚合模型，包括双向相关体积模块、状态空间特征增强模块以及时空运动协同模块； 步骤4，将预处理后的事件光流数据集划分为训练集、验证集和测试集，利用训练集对模型进行训练，其中双向相关体积模块与状态空间特征增强模块协同提取事件体素序列中的多尺度时空特征；时空运动协同模块在解码阶段对提取的多尺度时空特征进行动态建模与融合，输出高分辨率的稠密光流图；通过反向传播算法不断优化模型参数，以最小化损失函数，同时借助验证集对训练过程进行性能监控与调整； 步骤5，在完成训练后，选取验证集上性能最优的模型，对测试集的事件体素序列进行光流估计，生成对应的高分辨率稠密光流图。

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”。