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！

龙图腾网获悉安科优选(深圳)技术有限公司申请的专利3D和AI视觉传感可见光机芯的实时图像处理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：CN119359526B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202411950153.2，技术领域涉及：G06T1/20；该发明授权3D和AI视觉传感可见光机芯的实时图像处理方法是由李祥设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本3D和AI视觉传感可见光机芯的实时图像处理方法在说明书摘要公布了：本发明涉及图像处理技术领域，公开了一种3D和AI视觉传感可见光机芯的实时图像处理方法。所述方法包括：通过ISP图像信号处理单元和GPU加速单元进行双模态通道图像采集，得到3D图像数据流和可见光图像数据流；进行光照强度检测和标准化处理，得到标准化双模态图像数据；输入动态卷积神经网络进行特征融合，得到多模态融合特征图；对多模态融合特征图进行时空对比学习，得到第一特征图；将第一特征图输入图结构冗余评估模型进行特征选择，得到第二特征图；对第二特征图进行GPU并行解码和流水线处理，输出实时处理图像，本发明实现了高效的实时处理能力，满足了实时图像处理响应速度的要求。

本发明授权3D和AI视觉传感可见光机芯的实时图像处理方法在权利要求书中公布了：1.一种3D和AI视觉传感可见光机芯的实时图像处理方法，其特征在于，包括：通过ISP图像信号处理单元和GPU加速单元进行双模态通道图像采集，得到3D图像数据流和可见光图像数据流；对所述3D图像数据流和所述可见光图像数据流进行光照强度检测和标准化处理，得到标准化双模态图像数据；将所述标准化双模态图像数据输入动态卷积神经网络进行特征融合，得到多模态融合特征图；对所述多模态融合特征图进行时空对比学习，得到第一特征图；具体包括：对所述多模态融合特征图进行数据增强变换，得到多模态增强特征，并对所述多模态增强特征进行时序帧采样，对连续视频序列抽取时序特征，按照时序顺序构建时空特征对，得到时序正样本对；将所述时序正样本对输入孪生网络结构，通过两路共享权重的编码器对特征进行编码，每路包含3个卷积层和2个全连接层，得到特征嵌入向量；对所述特征嵌入向量进行对比学习，通过InfoNCE损失函数计算正样本对之间的互信息最大化和负样本对之间的互信息最小化，得到对比特征；通过动态阈值聚类算法将所述对比特征的特征空间划分为K个类别，对每个类别分配唯一标签ID，得到带标签特征，并对所述带标签特征进行一致性计算，通过均方误差函数计算同一时序下不同视图特征的差异值，构建一致性约束特征；将所述一致性约束特征输入特征度量学习网络，通过特征度量学习网络学习特征间的相似度度量函数，该特征度量学习网络包含深度可分离卷积层和注意力机制，得到度量化特征；对所述度量化特征进行特征重构，通过反卷积网络将特征映射回原始特征空间，输出第一特征图；将所述第一特征图输入图结构冗余评估模型进行特征选择，得到第二特征图；具体包括：计算所述第一特征图中特征点间的欧式距离，并基于距离阈值在相邻特征点之间构建边连接，得到带权重的关系图；对所述带权重的关系图进行归一化拉普拉斯矩阵计算，通过度矩阵的逆矩阵与邻接矩阵相乘构建特征传播矩阵，得到图结构特征；通过皮尔逊相关系数计算所述图结构特征中每对特征节点间的相关程度，并构建N×N维的特征相关性矩阵，N为特征节点总数，得到特征相关值；对所述特征相关值进行信息熵计算，通过互信息公式计算每个特征节点对整体特征分布的贡献，得到贡献度，并按所述贡献度的大小构建信息增益序列，得到特征重要性向量；根据所述特征重要性向量进行特征选择，对信息增益值低于所有特征平均值的节点进行剔除，保留高信息量特征节点，得到优化特征图；将所述优化特征图输入残差连接网络，通过在每个残差块中设置两层卷积层和一个短路连接，直接传递低层特征信息至高层特征层，得到多层级残差特征；对所述多层级残差特征进行特征序列建模，得到时序关联特征，并通过图注意力网络计算所述时序关联特征的节点间的注意力权重系数，基于所述注意力权重系数对邻域特征进行加权聚合，输出第二特征图；对所述第二特征图进行GPU并行解码和流水线处理，输出实时处理图像。

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安科优选(深圳)技术有限公司，其通讯地址为：518000 广东省深圳市龙岗区坂田街道马安堂社区中兴路105号儒骏大厦1001；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”。