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解耦匹配代价计算与代价体优化的双目稠密视差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：CN116309771B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310209082.X，技术领域涉及：G06T7/55；该发明授权解耦匹配代价计算与代价体优化的双目稠密视差估计方法是由张宏;王智慧;李豪杰;陈圣伦设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本解耦匹配代价计算与代价体优化的双目稠密视差估计方法在说明书摘要公布了：本发明属于计算机视觉双目稠密视差估计技术领域，涉及一种解耦匹配代价计算与代价体优化的双目稠密视差估计方法，包括匹配代价体计算和代价体优化。匹配代价体计算阶段负责输出一个初始的匹配代价体，该阶段可由任意网络或传统方法实现。代价体优化阶段由本发明所设计的引导代价体优化网络构成，其解耦匹配与引导优化所用的特征，以学习更有针对性的引导特征用于进行上下文权重计算，并灵活地对输入的代价体进行上下文聚合，达到代价优化目的。本发明具备优势为：计算初始代价方式更灵活、特征学习更加高效、可进行更有效的上下文聚合及尺度间聚合。

本发明授权解耦匹配代价计算与代价体优化的双目稠密视差估计方法在权利要求书中公布了：1.一种解耦匹配代价计算与代价体优化的双目稠密视差估计方法，其特征在于，步骤如下： 步骤1、代价计算过程，具体包括： 1.1左图、右图输入到共享的匹配特征提取网络中，分别提取左图与右图对应的匹配特征金字塔； 其中，匹配特征提取网络由类残差网络与特征金字塔网络FPN构成；将残差网络中间层及最后一层输出的尺度、尺度、尺度特征图构建成表单，输入到FPN中，输出特征金子塔和，金字塔中每一个特征图或的形状为；其中，,分别代表左、右，代表特征通道数，分别为输入图像的高和宽； 1.2利用匹配特征金子塔构建代价体金字塔； 取最大候选匹配点数为，则在特征金字塔中三个尺度的特征图上候选点数分别为；取特征图和，构建代价体；匹配特征金字塔中的多个尺度的特征图构建的多个代价体组成代价体金字塔；构建过程如公式1： 1； 其中，为空间位置索引，为候选点索引，为维度为的特征向量，为笛卡尔乘操作；为代价体上位置为处的代价值，也即左特征图上一点与右特征图上一候选点之间的相似度； 步骤2、代价优化过程，具体包括： 2.1将左图输入到引导特征提取网络中，计算引导特征金字塔； 引导特征提取网络与匹配特征提取网络结构相同，权重不共享；引导特征金子塔表示为，金字塔中每一个特征图的形状为； 2.2根据对应尺度的引导特征进行代价体的尺度内聚合； 分别取和，利用中的上下文关系对进行聚合优化；为提升计算效率，对待聚合代价体及引导特征划分为多个窗口，聚合过程在窗口内进行；每个窗口内的聚合，具体过程为： 2.2.1根据获取上下文关系；设第个窗口内特征为，将其变形为，和分别为窗口的高和宽；则字典:key与查询索引:query分别由公式2获得： 2； 其中、为网络权重；则上下文关系由公式3获得， 3； 其中为归一化函数，为矩阵转置操作； 2.2.2根据上下文关系，对第个窗口内的代价体进行聚合更新，获得优化后的代价体，如公式4： 4； 2.3根据对应尺度的引导特征进行代价体的尺度间聚合； 取第个窗口内的与、与进行尺度间聚合，以利用低尺度代价体更新高尺度代价体；其中是代价体金字塔中尺度2倍于的代价体，是引导特征金字塔中尺度2倍于的引导特征； 首先根据公式5得到字典与查询索引及上下文关系： 5； 其中，分别表示引导特征得到的字典与查询；分别表示生成字典与查询的网络参数；表示由引导图像获得的尺度间上下文关系； 然后进行聚合操作，获得更新后的高尺度代价体，仍用表示，如公式6， 6； 其中，等号前为更新优化后的代价体，等号后为更新前的代价体； 2.4逐步迭代进行步骤2.2与步骤2.3，获得优化后的代价体； 从开始，逐步迭代进行步骤2.2与步骤2.3，迭代的最后一步为执行步骤2且，得到最终优化后的代价体； 2.5视差计算； 按照公式7进行稠密视差计算： 7； 其中为可能的最大视差，为视差为的概率。

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。