買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜安徽大學(xué)申請(qǐng)的專(zhuān)利基于CUDA加速的平滑薄板樣條形變參數(shù)計(jì)算方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114547545B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210182533.0，技術(shù)領(lǐng)域涉及：G06F17/16；該發(fā)明授權(quán)基于CUDA加速的平滑薄板樣條形變參數(shù)計(jì)算方法是由屈磊;鄒恒東;吳軍;尚宏偉;丁鵬;陳宇飛;李響;鮑克躍設(shè)計(jì)研發(fā)完成，并于2022-02-25向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于CUDA加速的平滑薄板樣條形變參數(shù)計(jì)算方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及基于CUDA加速的平滑薄板樣條形變參數(shù)計(jì)算方法，與現(xiàn)有技術(shù)相比解決了平滑薄板樣條形變?cè)趫D像配準(zhǔn)任務(wù)中控制點(diǎn)數(shù)較多時(shí)計(jì)算時(shí)間長(zhǎng)的缺陷。本發(fā)明包括以下步驟：三維待配準(zhǔn)特征點(diǎn)和模板特征點(diǎn)的處理；對(duì)待配準(zhǔn)點(diǎn)矩陣進(jìn)行QR分解；平滑薄板樣條形變參數(shù)的計(jì)算。本發(fā)明利用GPU的并行架構(gòu)對(duì)大矩陣代數(shù)運(yùn)算做了并行化，實(shí)現(xiàn)了平滑薄板樣條形變參數(shù)快速計(jì)算，有效提升了圖像配準(zhǔn)算法的運(yùn)行效率。

本發(fā)明授權(quán)基于CUDA加速的平滑薄板樣條形變參數(shù)計(jì)算方法在權(quán)利要求書(shū)中公布了：1.一種基于CUDA加速的圖像配準(zhǔn)平滑薄板樣條形變參數(shù)計(jì)算方法，其特征在于，包括以下步驟：11三維待配準(zhǔn)特征點(diǎn)和模板特征點(diǎn)的處理：獲取輸入的N組待配準(zhǔn)特征點(diǎn)和模板特征點(diǎn)，對(duì)其計(jì)算出每個(gè)待配準(zhǔn)的特征點(diǎn)到每個(gè)模板特征點(diǎn)之間的距離，并放入尺寸為N×N矩陣U中，將待配準(zhǔn)特征點(diǎn)的三維坐標(biāo)分別放入尺寸為N×N的矩陣X中，將模板特征點(diǎn)的三維坐標(biāo)放入尺寸為N×4的矩陣Y中；12對(duì)待配準(zhǔn)點(diǎn)矩陣進(jìn)行QR分解：利用基于CUDA的cusolver中的函數(shù)、正交拓展核函數(shù)，對(duì)矩陣X進(jìn)行QR分解得到Q矩陣和R矩陣；13平滑薄板樣條形變參數(shù)的計(jì)算：利用矩陣U和Y以及上步得到的矩陣Q、R，在CUDA中設(shè)計(jì)出適用于計(jì)算的乘法核函數(shù)，并基于CUDA的cublas中的函數(shù)，分別計(jì)算得到平滑薄板樣條形變的仿射分量和非仿射分量，得到平滑薄板樣條形變參數(shù)；所述平滑薄板樣條形變參數(shù)的計(jì)算包括以下步驟：131利用以下公式及基于CUDA的cublas庫(kù)函數(shù)、基于CUDA設(shè)計(jì)的矩陣乘法核函數(shù)完成仿射分量以及非仿射分量的計(jì)算，其計(jì)算公式如下： 其中，B＝C+λI,尺寸為N×4的W為非仿射分量，λ為平滑系數(shù)，尺寸為N-4×N-4的I為單位矩陣，尺寸為4×4的A為仿射分量；132對(duì)W進(jìn)行計(jì)算：1321使用CUDA完成U、Q2的相乘得到尺寸為N-4×N-4的矩陣C；1322將上一步計(jì)算的結(jié)果加上與平滑系數(shù)相乘的I矩陣得到尺寸為N-4×N-4矩陣B，并利用基于CUDA中的cusolver庫(kù)中的函數(shù)得到B的逆矩陣；1323使用CUDA完成Q2、B-1、的乘積得到尺寸為N×N的矩陣D，首先轉(zhuǎn)換輸入的矩陣Q2、B-1為一維數(shù)組，再分配N(xiāo)×N-4個(gè)線程，將核函數(shù)中的blockDim固定設(shè)置為二維block尺寸為32*32；每個(gè)線程對(duì)應(yīng)有唯一的行號(hào)和列號(hào)，其行號(hào)范圍為0到N，列號(hào)范圍0到N-4，與矩陣Q2B-1大小相對(duì)應(yīng)；每個(gè)線程計(jì)算出矩陣Q2B-1的一個(gè)元素，線程號(hào)m，n的線程計(jì)算矩陣Q2B-1第m行第n列的元素，方法為Q2的第m行乘以B-1的第n列得到對(duì)應(yīng)位置的元素；再分配N(xiāo)×N個(gè)線程，將核函數(shù)中的blockDim固定設(shè)置為二維block尺寸為32*32；每個(gè)線程對(duì)應(yīng)有唯一的行號(hào)和列號(hào)，其行號(hào)范圍為0到N，列號(hào)范圍0到N，與矩陣大小相對(duì)應(yīng)；每個(gè)線程計(jì)算出矩陣的一個(gè)元素，線程號(hào)m，n的線程計(jì)算矩陣第m行第n列的元素，方法為Q2B-1的第m行乘以的第n列得到對(duì)應(yīng)位置的元素，其中的第m行即為Q2的第m列，把行索引轉(zhuǎn)換為Q2列索引，以此減少一個(gè)輸入；最后得到矩陣D；133在CPU上完成D和Y的相乘得到非仿射分量W；134在CPU上完成A的計(jì)算，得到仿射分量，至此得到所有平滑薄板樣條形變參數(shù)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人安徽大學(xué)，其通訊地址為：230601 安徽省合肥市經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)九龍路111號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。