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！

龙图腾网获悉武汉大学申请的专利用于提高机器人环境感知能力的图像处理方法以及装置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：CN119274031B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202410526588.8，技术领域涉及：G06V10/82；该发明授权用于提高机器人环境感知能力的图像处理方法以及装置是由眭海刚;苟国华;李涵;王轩昊;张浩;江纬承;叶洋;徐丙立;曾湧设计研发完成，并于2024-04-29向国家知识产权局提交的专利申请。

本用于提高机器人环境感知能力的图像处理方法以及装置在说明书摘要公布了：本公开提供一种用于提高机器人环境感知能力的图像处理方法以及装置，其中，方法包括：获取与机器人关联的传感器采集的关于同一目标环境区域的初始深度图像以及初始点云数据，并对初始点云数据进行预处理，得到点云深度图像；将初始深度图像和点云深度图像输入预先训练的深度学习模型，得到预先训练的深度学习模型输出的关于同一目标环境区域的融合图像；其中，融合图像中包含初始深度图像以及初始点云数据中的深度信息；其中，预先训练的深度学习模型为利用样本深度图像和样本点云深度图像训练得到；预先训练的深度学习模型包括深度图像融合网络。利用本公开的方法，有助于增强小型低成本机器人在黑暗环境中的感知能力。

本发明授权用于提高机器人环境感知能力的图像处理方法以及装置在权利要求书中公布了：1.一种用于提高机器人环境感知能力的图像处理方法，其特征在于，包括： 获取与所述机器人关联的传感器采集的关于同一目标环境区域的初始深度图像以及初始点云数据，并对所述初始点云数据进行预处理，得到点云深度图像；其中，所述传感器包括激光雷达以及深度相机，所述深度相机能够采集所述目标环境区域的深度信息； 将所述初始深度图像和所述点云深度图像输入预先训练的深度学习模型，得到所述预先训练的深度学习模型输出的关于所述同一目标环境区域的融合图像； 其中，所述融合图像中包含所述初始深度图像以及初始点云数据中的深度信息； 其中，所述预先训练的深度学习模型为利用样本深度图像和样本点云深度图像训练得到；所述预先训练的深度学习模型包括深度图像融合网络； 其中，预先训练的深度学习模型的训练过程，包括： 步骤1、建立样本数据集；其中，所述样本数据集包括关于同一目标区域的多幅样本深度图像、多帧连续时刻的样本点云以及对应的多帧连续时刻的样本点云深度图像；其中，按照多帧连续时刻的样本点云的时序，将关于同一目标区域的一幅样本深度图像与一帧样本点云深度图像作为一组样本数据； 步骤2、将目标时刻的样本数据以及与目标时刻直接相邻的下一时刻的样本数据，分别输入待训练的深度图像融合网络，得到对应目标时刻的初始融合图像、以及对应下一时刻的初始融合图像； 步骤3、基于预设视图合成规则，将对应目标时刻的初始融合图像以及对应下一时刻的初始融合图像进行视图合成，得到目标时刻的模拟共视图； 步骤4、基于目标时刻的模拟共视图，计算深度一致性损失函数值、以及平滑损失函数值； 步骤5、利用目标时刻的初始融合图像，对目标时刻的样本深度图像进行滤波，得到目标时刻的滤波后的样本深度图像，作为验证图像； 步骤6、将所述目标时刻的滤波后的样本深度图像、以及目标时刻的样本点云深度图像，输入所述待训练的深度图像融合网络，得到对应目标时刻的第二次融合图像，作为更新图像； 步骤7、利用所述验证图像以及所述更新图像，计算验证损失函数值； 步骤8、基于所述深度一致性损失函数值、平滑损失函数以及验证损失函数值，确定综合损失函数值； 步骤9、利用所述综合损失函数值，对所述待训练的深度图像融合网络进行训练，直至满足预设训练完成条件，由所述待训练的深度图像融合网络得到所述深度图像融合网络。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。