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基于视角匹配与对极几何约束的隐式场重建方法及系统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：CN119152123B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411613020.6，技术领域涉及：G06T17/00；该发明授权基于视角匹配与对极几何约束的隐式场重建方法及系统是由黄惠;林力强设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本基于视角匹配与对极几何约束的隐式场重建方法及系统在说明书摘要公布了：本发明公开了一种基于视角匹配与对极几何约束的隐式场重建方法、系统及终端，所述方法包括：获取初始图像组，计算与目标对象的多视角渲染值之间光度误差，对三维隐式场进行训练；提取并联合采样点特征以优化三维隐式场，输出目标特征体并输入几何网络，输出有向距离场值，从中提取目标对象的几何结果；根据几何结果得到法向信息，输入纹理网络后输出相机射线的渲染值。本发明利用位姿不精确的图像集合作为输入，重建三维隐式场，利用优化后的相机位姿与三维隐式场进行联合优化，通过穿过输入图像中关键点的相机光线来实现光线优化和匹配光线一致性，能够有效地提高位姿优化的结果，利用点云特征增强的方式能够进一步优化三维隐式场与相机位姿。

本发明授权基于视角匹配与对极几何约束的隐式场重建方法及系统在权利要求书中公布了：1.一种基于视角匹配与对极几何约束的隐式场重建方法，其特征在于，所述基于视角匹配与对极几何约束的隐式场重建方法包括： 获取目标对象的初始图像组，并构建初始三维隐式场，将所述初始图像组与所述目标对象的多视角渲染值之间光度误差输入所述初始三维隐式场进行训练，得到三维隐式场； 通过对所述初始三维隐式场进行优化，实现对所述目标对象的优化，以得到符号距离场； 提取多种相机射线的采样点特征，根据多个所述采样点特征生成目标关键特征，将所述目标关键特征输入所述三维隐式场，并将所述初始图像组输入所述三维隐式场，输出目标特征体； 所述提取多种相机射线的采样点特征，根据多个所述采样点特征生成目标关键特征，将所述目标关键特征输入所述三维隐式场，并将所述初始图像组输入所述三维隐式场，输出目标特征体，具体包括： 提取匹配射线穿过所述初始图像组生成的关键采样点的关键特征，提取多个辅助射线穿过所述初始图像组生成的多个辅助采样点的辅助特征： 其中，fp表示采样点p处的特征，p表示采样点，表示渐进特征掩码，表示初始特征体； 利用所有所述辅助特征增强关键特征，得到目标关键特征，并将所述目标关键特征输入所述三维隐式场，输出目标特征体； 匹配不同初始图像中的射线，并使用多视觉立体几何先验学习所述三维隐式场，利用采样点之间的上下文特征关系增强采样点特征； 使用辅助射线的采样点特征对关键射线上的采样点特征进行点云增强； 将所述目标特征体输入几何网络，输出有向距离场值和输出特征，根据所述有向距离场值和所述输出特征，得到所述目标对象的几何结果； 所述将所述目标特征体输入几何网络，输出有向距离场值和输出特征，根据所述有向距离场值和所述输出特征，得到所述目标对象的几何结果，具体包括： 将所述目标特征体的目标关键特征输入已构建的几何网络，输出有向距离场值和所述输出特征； 根据所述输出特征，从所述有向距离场值中提取所述目标对象在三维空间中的几何结果： [SDFpk|f″pk]＝Φgf′pk； 其中，SDFpk表示关键采样点pk的有向距离场值，f″pk表示关键采样点pk的输出特征，Φg表示几何网络，f′pk表示关键采样点pk的目标关键特征； 根据所述几何结果得到所述目标对象在每个采样点上的法向信息，将所有所述法向信息输入纹理网络，输出多种所述相机射线中的匹配射线的渲染值； 对所述纹理网络进行迭代训练，在每次迭代中，采样一对匹配的关键射线，并利用对应的辅助射线，实现几何网络、纹理网络和特征体优化的端到端联合训练。

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：518061 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。