買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江大學申請的專利基于深度學習的高光譜和激光雷達4D防抖融合方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114882329B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-06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)的專利申請?zhí)?專利號為：202210394912.6，技術(shù)領(lǐng)域涉及：G06V10/80；該發(fā)明授權(quán)基于深度學習的高光譜和激光雷達4D防抖融合方法及系統(tǒng)是由何賽靈;馬騰飛;付帥設(shè)計研發(fā)完成，并于2022-04-15向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于深度學習的高光譜和激光雷達4D防抖融合方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于深度學習的高光譜和激光雷達4D防抖融合方法及系統(tǒng)。所述方法：1）激光雷達采集得到的點云首先通過已知內(nèi)參進行3D?2D空間變換，生成深度圖；2）該深度圖和高光譜圖像被一起輸入進HLFN（高光譜相機和激光雷達融合網(wǎng)絡(luò)）中，HLFN分別對高光譜和深度圖進行特征提取并對二者進行特征融合，根據(jù)融合后的特征計算出旋轉(zhuǎn)向量r和平移向量t；3）將旋轉(zhuǎn)向量r變換成旋轉(zhuǎn)矩陣R，最終生成一個預測變換矩陣T；4）原始點云再通過預測變換矩陣T進行3D?3D空間變換，生成校正點云；5）校正點云與高光譜圖像處于同一坐標系下，融合生成最終的4D融合數(shù)據(jù)。本發(fā)明可實現(xiàn)在設(shè)備機械抖動條件下快速精確采集高光譜形貌4D融合信息，可應用于多領(lǐng)域。

本發(fā)明授權(quán)基于深度學習的高光譜和激光雷達4D防抖融合方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于深度學習的高光譜和激光雷達4D防抖融合方法，其特征在于：步驟如下：1）激光雷達采集得到的點云首先通過已知內(nèi)參進行3D-2D空間變換，生成相應的深度圖；2）該深度圖和高光譜圖像被一起輸入進高光譜相機和激光雷達融合網(wǎng)絡(luò)HLFN中，HLFN分別對高光譜和深度圖進行特征提取并對二者進行特征融合，根據(jù)融合后的特征計算出旋轉(zhuǎn)向量r和平移向量t；3）將旋轉(zhuǎn)向量r通過羅德里格斯公式變換成旋轉(zhuǎn)矩陣R，最終生成一個預測變換矩陣T，該矩陣指明了高光譜相機與激光雷達之間的外參關(guān)系；4）原始點云再通過預測變換矩陣T進行3D-3D空間變換，生成校正點云；5）校正點云與高光譜圖像處于同一坐標系下，二者融合生成最終的4D融合數(shù)據(jù)；所述HLFN訓練方法，步驟如下：2.1）用真實變換矩陣對點云進行3D-3D空間變換，并與高光譜圖像融合，得到對照點云、對照深度圖和對照光譜圖；2.2）將點云和高光譜圖像按照所述的步驟1）至步驟3）計算得出預測變換矩陣；2.3）用預測變換矩陣對點云進行3D-3D空間變換，并與高光譜圖像融合，得到校正點云、校正深度圖和校正光譜圖；2.4）對照點云和校正點云之間形成幾何損失約束，對照深度圖和校正深度圖之間形成光度損失約束，對照光譜圖和校正光譜圖之間形成光譜損失約束；2.5）最終的損失是2.4）中所述三個損失之和，并由三個超參數(shù)平衡它們；2.6）通過反向傳播，HLFN網(wǎng)絡(luò)參數(shù)不斷迭代訓練，使損失函數(shù)最小化。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號；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)”。