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！

龙图腾网获悉深圳大学申请的专利一种基于惯性测量数据的图像间相对位置预测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：CN115345933B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202210760929.9，技术领域涉及：G06T7/73；该发明授权一种基于惯性测量数据的图像间相对位置预测方法是由倪东;骆明远;杨鑫;王宏璋;杜黎伟设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本一种基于惯性测量数据的图像间相对位置预测方法在说明书摘要公布了：本发明公开了一种基于惯性测量数据的图像间相对位置预测方法，所述方法通过获取若干超声图像和各超声图像分别对应的惯性测量单元数据，其中，各超声图像位于同一图像序列；根据各超声图像分别对应的惯性测量单元数据，确定各超声图像分别对应的方向信息和加速度信息；根据各超声图像、各超声图像分别对应的方向信息和加速度信息，确定各超声图像对应的相对位置信息，其中，相对位置信息用于反映相邻两张超声图像之间的相对位置变换。本发明通过结合惯性测量单元数据和图像序列来预测图像间的相对位置信息，解决了现有的深度学习技术仅依赖超声图像估计相对位置，容易受到图像间位移和累积的漂移误差的影响的问题。

本发明授权一种基于惯性测量数据的图像间相对位置预测方法在权利要求书中公布了：1.一种基于惯性测量数据的图像间相对位置预测方法，其特征在于，所述方法包括： 获取若干超声图像和各所述超声图像分别对应的惯性测量单元数据，其中，各所述超声图像位于同一图像序列； 根据各所述超声图像分别对应的所述惯性测量单元数据，确定各所述超声图像分别对应的方向信息和加速度信息，包括：所述方向信息为欧拉角信息，每一所述惯性测量单元数据包括测量欧拉角信息和测量加速度信息；针对每一所述超声图像，根据该超声图像对应的所述测量欧拉角信息计算旋转矩阵，确定该超声图像对应的所述欧拉角信息，其中，所述测量欧拉角信息对应东北天坐标系，所述欧拉角信息对应所述超声图像的坐标系；根据该超声图像对应的所述测量欧拉角信息确定重力方向，根据该超声图像对应的所述测量加速度信息和所述重力方向确定该超声图像对应的所述加速度信息，其中，所述加速度信息基于所述测量加速度信息与所述测量加速度信息在所述重力方向上的分量的差确定； 根据各所述超声图像、各所述超声图像分别对应的方向信息和加速度信息，确定各所述超声图像对应的相对位置信息，其中，所述相对位置信息用于反映相邻两张所述超声图像之间的相对位置变换，包括：将各所述超声图像、各所述超声图像分别对应的所述欧拉角信息和所述加速度信息输入预先经过训练的目标网络，通过所述目标网络得到所述相对位置信息；所述目标网络包括特征提取模块、融合模块以及预测网络，将各所述超声图像、各所述超声图像分别对应的所述加速度信息和所述方向信息输入所述特征提取模块，得到各所述超声图像分别对应的图像特征、加速度特征以及欧拉角特征，其中，相邻两张所述超声图像分别对应的所述图像特征用于反映该两张所述超声图像之间的相对距离信息；将各所述超声图像分别对应的所述图像特征和所述加速度特征输入所述融合模块，得到各所述超声图像分别对应的速度特征；将各所述超声图像分别对应的所述图像特征、所述速度特征以及所述欧拉角特征输入所述预测网络，得到所述相对位置信息；所述相对位置信息包括各所述超声图像中相邻两帧对应的若干相对变换参数，若干所述相对变换参数包括若干平移变量和若干旋转角度，若干所述平移变量分别对应不同的方向，若干所述旋转角度分别对应不同的方向；所述特征提取模块包括残差网络，第一全连接层以及第二全连接层，其中，所述残差网络的输入为各所述超声图像，所述残差网络的输出为各所述超声图像分别对应的所述图像特征；所述第一全连接层的输入为各所述超声图像分别对应的所述加速度信息，所述第一全连接层的输出为各所述超声图像分别对应的所述加速度特征；所述第二全连接层的输入为各所述超声图像分别对应的所述欧拉角信息，所述第二全连接层的输出为各所述超声图像分别对应的所述欧拉角特征；所述融合模块包括融合单元和特征增强网络；所述特征增强网络和所述预测网络均采用长短期记忆网络构建而成。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区南海大道3688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。