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！

龙图腾网获悉大连理工大学申请的专利基于U-V视差图的室内自由空间估计和障碍物检测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：CN115457131B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202211127964.3，技术领域涉及：G06T7/73；该发明授权基于U-V视差图的室内自由空间估计和障碍物检测方法是由章雨昂;仲维;尉博凯;刘晋源;王维民;樊鑫;刘日升;罗钟铉设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本基于U-V视差图的室内自由空间估计和障碍物检测方法在说明书摘要公布了：本发明公开基于U‑V视差图的室内自由空间估计和障碍物检测方法，包括：改进U‑V视差法采用滑动窗口法，将视差图分为若干子窗口，每个子窗口生成一个子V视差图，窗口内采用分段线性拟合方法，将提取的多条线段依次连接得到地面相关线；采用新的V视差图滤波方法，使用边缘滤波器过滤子V视差图，将滤波后图像作为加权系数对原V视差图相乘，再采用最大值滤波和块滤波器滤波得到V视差滤波图像，用于道路检测；将V视差计算结果融合到一种概率估计框架中用于地面估计。将地面置信图RCM和障碍物置信图OCM加权累加构成最后的置信图模型，自由空间就是在置信图上采用二维动态规划方法进行优化估计的。

本发明授权基于U-V视差图的室内自由空间估计和障碍物检测方法在权利要求书中公布了：1.基于U‑V视差图的室内自由空间估计和障碍物检测方法，其特征在于，具体步骤如下： 1获取视差图； 1‑1通过双目立体相机采集真实室内场景的RGB图像，并转换成灰度图； 1‑2根据平行式双目立体视觉模型确定视差图； 2修正视差图； 2‑1使用双三次插值对非边缘无效点修正视差图；将视差图中所有无效匹配点的视差值设为‑1，对图像的每个像素的上、下、左、右邻点视差加权，通过改进双三次插值算法对其进行重新赋值； 2‑2对于边缘无效点的修正，使用边缘检测后，对边缘图像进行形态学闭操作处理，即先膨胀再腐蚀，填补临近边缘点之间的无效区域，凸显障碍物实体而不改变障碍物位置；对于边缘无效点面积较大的区域，则不进行赋值，并将其标记；对被标记的区域进行判断，比较区域面积Ai与面积阈值Av的大小；若AiAv，则区域Ai不被计算，属于边缘区域；若AiAv，则判断Ai是否为边缘区域，计算边缘线区域与Ai的比值，若比值大于阈值，属于边缘区域，则通过闭操作修正方法对视差图进行修正，反之则不属于边缘区域，通过改进双三次差值对其进行修正； 3获取U视差图和V视差图； 3‑1对修正后的视差图进行水平、垂直投影，将平面视差图像投影成线段获得U‑V视差图； 3‑2生成U视差图；对视差图在U方向上对每一列相同视差个数进行累加，即沿纵向由上至下逐列扫描，以视差图的水平长度作为U视差图的横坐标，以视差值最大值为纵坐标，以每一列相同视差值像素点的累加和作为U视差图的坐标点的强度，由此形成U视差图； 3‑3生成V视差图；对视差图在V方向上对每一行相同视差个数进行累加，即沿横向由左至右逐行扫描，以视差图的纵向长度作为U视差图的纵坐标，以视差值最大值为横坐标，以每一行相同视差值像素点的累加和作为V视差图的坐标点的强度，由此形成V视差图； 4地面估计； 4‑1产生子V视差图；采用滑动窗口法，将视差图分为多个子窗口，每个子窗口内假设地面是局部平坦的，从而在每个子窗口内生成子V视差图进行地面估计； 4‑2过滤子V视差图；将V视差图进行滤波后再进行线性拟合，采用新的V视差滤波方法，具体为：首先对高斯平滑后的V视差图使用边缘滤波器进行滤波，使用Sobel算子，增强水平和倾斜边缘，减弱竖直边缘；然后将滤波后的子V视差图转变为二值图，将V视差图当作一种加权系数图，将二值滤波图与原V视差图相乘，得到新的子V视差图；之后在新的子V视差图上逐列选择最大值点保留，其他像素点被移除；经过上述操作后，竖直线仍有存在，并没有被充分清除，这些残余部分表现为一些孤立的点，且彼此间距离比在地面相关线上的点之间的距离大得多；因此采用块计数滤波器来移除残余，若中心像素块内不存在其他点，则中心点被滤除，否则保留； 4‑3提取地面相关线；使用霍夫变换提取地面相关线，使用多条线段拟合地面不同坡度；当地面平坦时，仅有一条地面相关线被检测；当地面存在连续变化的纵向坡度时，会有多条线段被检测，将这些线段连接在一起，组成一条连续折线，来表示地面相关线；利用拟合的地面相关线，可得到地面任一行的预测视差值d*v； 5计算置信图； 5‑1计算障碍物置信图OCM和地面置信图RCM；在OCM中，置信值表示属于障碍物的概率；在RCM中，置信值表示属于地面的概率； OCM定义为：RCM定义为：其中，du,v表示视差图上点u,v处的视差值，而d*v表示第v行预测的地面视差；Δdmax表示视差的最大差值；逐窗口构建OCM和RCM，滑动窗口间的重叠区域使用d*v均值代替； 5‑2计算置信图；最终的置信图是由OCM和RCM的加权累加构成，如下所示： Cu,v＝CrRoadu,v+CoObstacleu,v其中，Cr是地面置信权重，设为定值；Co是障碍物置信权重，通过ROC曲线分析学习得到； 6动态规划估计自由空间； 6‑1构建动态规划模型估计自由空间地面与障碍物之间的边界通过在置信图中寻找最佳分割路径得到；引入平滑约束项来减少边界间的剧烈变化；计算公式包括数据项和平滑项，通过动态规划求解，如下： 其中，v*u是估计的地面与障碍物底边缘的分界边缘，ua，ub是相邻列像素，数据项是从置信图中得到的置信值cu,v，svi,vi‑1为平滑性约束，以惩罚相邻列之间的剧烈变化，如下： 其中，Cs是连续性约束参数，需要通过ROC曲线分析估计学习得到；阈值Ts为固定值，补充连续性约束，在允许边界间变化的同时，限制了边界间变化的最大值； 6‑2计算最小累积代价；从图像最右列向最左列计算如下递归： 其中，i,vi表示底i列第vi行的像素节点，ci,vi是节点i,vi的置信值，svi,vi+1是从节点i,vi到节点i+1,vi+1的连接代价，Civi是从最右节点到节点i,vi的最小累积代价； 6‑3求解最佳路径； 其中最小代价的序列就是边界的最佳路径；在边界之前的区域就是自由空间； 7检测障碍物； 7‑1通过U视差图检测障碍物； 扫描U视差图，标注障碍物点；将每一行两列的点作为一个单元格；逐行逐列扫描U视差图；如果单元格内，有效视差数量不小于2或1，则将该单元格标签记为有效障碍物点；在逐行循环中，在每一行内通过标注的有效障碍物点单元格的位置，生成检测线； 7‑2检测障碍物距离； 将检测线归类；对已生成的检测线进行处理，若两条检测线接近，则认为是同一个障碍物对应检测线；最终每一类检测线对应一个障碍物； 将障碍物在视差图中用框标注，并进行合框操作；找到障碍物框的相邻障碍物框进行合框处理；将每个障碍物依次循环，若合并后的障碍物超过设定的阈值大小，则不合并；最后计算障碍物的物理位置和尺寸信息。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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”。

以上内容由龙图腾AI智能生成。