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

龍圖騰網獲悉同濟大學申請的專利一種紅外與RGB跨模態特征點匹配方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114120013B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111392935.5，技術領域涉及：G06V10/75；該發明授權一種紅外與RGB跨模態特征點匹配方法是由田煒;陳展;鄧振文;黃禹堯;譚大藝;韓帥設計研發完成，并于2021-11-23向國家知識產權局提交的專利申請。

本一種紅外與RGB跨模態特征點匹配方法在說明書摘要公布了：本發明涉及一種紅外與RGB跨模態特征點匹配方法，包括：基于采集的原始RGB圖像和IR圖像對深度學習模型進行離線訓練，得到訓練好的匹配模型；將待測的數據輸入匹配模型，以提取出特征描述子、輸出對應匹配結果。與現有技術相比，本發明聚焦于多光譜圖像的融合，融合可見光圖像RGB和熱成像圖像IR，通過模型訓練，能夠在多模態下準確提取特征點，更好地執行跨模態特征匹配任務，進而提高在光照變化劇烈及黑暗場景下相機位姿估計的精度，可以為許多應用提供可靠的感知前端，為后續在傳統SLAM框架下融合多光譜傳感器的研究工作做好前端鋪墊，也將有利于實現跨越白天基于RGB圖像和黑夜基于IR圖像的同一場景建圖定位匹配或深度估計與三維建圖。

本發明授權一種紅外與RGB跨模態特征點匹配方法在權利要求書中公布了：1.一種紅外與RGB跨模態特征點匹配方法，其特征在于，包括以下步驟： S1、采集原始RGB圖像和原始IR圖像，基于原始RGB圖像和原始IR圖像對深度學習模型進行離線訓練，得到訓練好的匹配模型； S2、將待測的數據輸入訓練好的匹配模型，以提取出特征描述子，并輸出對應的匹配結果； 所述步驟S1中深度學習模型具體為UnsuperPoint神經網絡模型； 步驟S1中離線訓練的具體過程為： S11、對采集的原始RGB圖像和原始IR圖像進行預處理，以得到成對圖像； S12、構建UnsuperPoint神經網絡模型，將成對圖像輸入UnsuperPoint神經網絡模型中進行離線訓練，得到訓練好的匹配模型； 步驟S11具體是對原始RGB圖像和原始IR圖像進行像素對齊處理，以保證原始RGB圖像與原始IR圖像是像素級完全對齊的，所述成對圖像具體為原始RGB圖像以及加入視角變換的IR圖像，或原始IR圖像以及加入視角變換的RGB圖像； 步驟S12中構建的UnsuperPoint神經網絡模型包括骨干網絡，所述骨干網絡用于執行點置信估計、點坐標回歸以及描述子提取的聯合任務，所述骨干網絡分為兩個分支：一個分支用于處理原始圖像，另一個分支則用于處理單應矩陣變換后的圖像，提取的點通過單應矩陣的真值投影到同一圖像坐標系中，計算每對的點距離，以距離小于4像素的點對作為有效點對，構建點對應關系，以進行自監督學習； 所述UnsuperPoint神經網絡模型采用卷積核大小為3、步長為2的卷積網絡層，以處理IR圖像中因溫度輻射而產生的邊緣模糊； 所述UnsuperPoint神經網絡模型的學習損失函數具體為： ， ， ， ， 其中，A為RGB圖像的標識，B為IR圖像的標識，為總損失函數，為點置信度損失，該損失由A與B相同點的得分差值的平方表示，為相應的權重； 為基于點對距離的可重復性損失，為提取點的置信度，為點對的距離，為所有點對的距離均值，為相應的權重； 為點對的歐式距離損失，為相應的權重； 為坐標均勻化的損失，為相應的權重； 為描述子損失，該損失由A與B相同點的描述子的差值的平方表示，為相應的權重； 用于提升描述子在空間上的緊致程度，該損失由不同位置上點的描述子的互相關系數的總和表示，為相應的權重； 為兩個描述子向量，為的相似性計算值，為溫度超參數，用于控制學習負例的強度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人同濟大學，其通訊地址為：200092 上海市楊浦區四平路1239號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。