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！

龙图腾网获悉厦门大学;厦门树鑫建设集团有限公司申请的专利基于自适应模板匹配消除遮挡干扰影响的动位移测量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：CN116310428B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202211105782.6，技术领域涉及：G06V10/75；该发明授权基于自适应模板匹配消除遮挡干扰影响的动位移测量方法是由张尧;陈阿文;宋春;吴焕生;陈志为设计研发完成，并于2022-09-09向国家知识产权局提交的专利申请。

本基于自适应模板匹配消除遮挡干扰影响的动位移测量方法在说明书摘要公布了：本发明提供了基于自适应模板匹配消除遮挡干扰影响的动位移测量方法，包括步骤：1定义模板库，并确定自定义模板区域对应的初始坐标；2基于霍夫圆变换进行关键点的实时监测；3根据检测关键点的情况，从模板库中选择合适的模板区域；4模板匹配，基于已选择的自定义模板区域进行模板匹配算法，精确定位模板像素坐标。本发明基于自适应模板匹配算法，可自适应选取可作为模板的区域。相比直接使用模板匹配方法测量结构动位移，该方法具有鲁棒性强、识别准确和适用性广的优点，为长期结构动位移监测提供了更大的可能性。

本发明授权基于自适应模板匹配消除遮挡干扰影响的动位移测量方法在权利要求书中公布了：1.基于自适应模板匹配消除遮挡干扰影响的动位移测量方法，其特征在于，包括如下步骤： 步骤S1，定义模板库，并确定自定义模板对应的初始坐标； 测量靶标上分布了9个圆形关键点，其中包括靶标外围的外围左上关键点、外围右上关键点、外围左下关键点和外围右下关键点，靶标内围的内围左上关键点、内围右上关键点、内围左下关键点和内围右下关键点，以及靶标中心的中心关键点； 选择包含四个关键点的14测量靶标面积的区域作为模板，得到模板库，并确定模板对应的初始坐标； 步骤S2，基于霍夫圆变换实时监测关键点； 基于霍夫圆变换的圆形检测方法进行实时监测，在平面直角坐标系中，一个圆形可表示为： 式中x0，y0为圆心坐标，r为圆形半径，xi，yi为圆周上的点，参数x0，y0，r组成了一个三维参数空间，图像空间中圆周上的任何一个点xi，yi对应着参数空间中的一个锥面，则由圆周上所有的点构成的点集对应着参数空间中的锥面族； 若所有的锥面族相交于一点，则点的参数坐标即为圆心和半径；在使用霍夫圆变换确定图像空间的圆心坐标和圆半径时，在参数空间建立一个参数累加器Ax0，y0，r，变量为r，通过对图像空间圆周上的每一个像素进行累加，得到参数累加器的最大值Amaxx0，y0，r，此时的x0，y0即为圆心坐标，r为圆半径； 步骤S3，根据检测关键点的情况，从模板库中选择模板； 首先实时检测中心关键点，若中心关键点丢失，则启动靶标的内围关键点检测；最后启动靶标的外围关键点检测； 根据检测到靶标的内围关键点和外围关键点，选择模板； 步骤S4，基于模板进行模板匹配算法，精确定位模板像素坐标； 所述基于模板进行模板匹配算法，精确定位模板像素坐标，具体为： 基于选定的模板区域，使模板在图像中滑动，并采用互相关模型实时计算模板与图像重叠区域之间的相似性，搜索图像中和模板最匹配的位置，得到目标的位移信息； 所述采用互相关模型实时计算模板与图像重叠区域之间的相似性，具体为： 源图像为Ix，y，大小为，模板图像为Tx，y，CC模型表示为： 其中：表示图像相关系数，越趋近于1，相关程度越高。

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厦门大学;厦门树鑫建设集团有限公司，其通讯地址为：361000 福建省厦门市思明南路422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。