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！

龙图腾网获悉浙江工业大学申请的专利一种基于自适应参数的增量式网格重建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：CN119478288B 。

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：202411430071.5，技术领域涉及：G06T17/20；该发明授权一种基于自适应参数的增量式网格重建方法是由赵军;余方亮;刘旭辉;金成希设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种基于自适应参数的增量式网格重建方法在说明书摘要公布了：本发明公开一种基于自适应参数的增量式网格重建方法，该方法首先获取点云数据，并将得到的点云，基于点的索引进行线性点云分割，分成m个子集，且相邻的子集均存在重叠区域；然后对分割后的点云子集进行密度估计，再进行降采样和法线估计；最后对每个点云子集采用增量式方法构建三角网格。本发明的方法通过点云分割与重叠区域引入，不仅解决了计算资源限制的问题，还通过重叠区域的设计保证了处理结果的一致性和连续性；通过密度估计获得的自适应参数，实现了下采样和法线估计的动态调整，既保证了重要几何特征的保留，又提高了整体处理效率；通过定义顶点映射函数和距离阈值，实现了动态的顶点合并和面片重构。

本发明授权一种基于自适应参数的增量式网格重建方法在权利要求书中公布了：1.一种基于自适应参数的增量式网格重建方法，其特征在于，包括如下步骤： 步骤一：获取点云数据； 步骤二：将步骤一得到的点云P，基于点的索引进行线性点云分割，分成m个子集，且相邻的子集均存在重叠区域； 步骤三：对分割后的点云子集进行密度估计； 步骤四：对每个点云子集进行降采样和法线估计，具体包括：对于每个非空的体素，找出落在这个体素内的所有点，并计算每个非空体素的质心，并将这些质心构建成降采样后的新点云；计算新点云的点云密度，再对新点云中的点进行k近邻域搜寻，计算每个点的近邻数；最后根据每个点的近邻数，找到每个点的邻域点，将这些邻域点组成邻域点集，并计算邻域点集的质心向量和协方差矩阵； 步骤五：对每个点云子集采用增量式方法构建三角网格；所述步骤五包括如下子步骤： S5.1：对协方差矩阵进行特征值分解，得到特征值最小的特征向量，作为这个点的法向量；找到拥有相同方向法向量的点，组成共面点，构建初始三角形，所有初始三角形构成初始网格； S5.2：对每个未被构建成三角形的点r，根据其KD树索引找到距离该点最近的三角形T； S5.3：将点r投影到三角形T所在的局部平面上，计算点r到三角形T平面的垂直距离； S5.4：将点r沿着法线方向移动距离d，得到投影点，并判断投影点位于三角形T内部、外部还是位于三角形T的边上； S5.5：计算投影点到三角形T的三个顶点A,B,C的距离，若距离小于设定阈值，则认为投影点落在顶点附近，不进行插入；否则，认为投影点远离顶点，继续判断： 如果投影点落在三角形T的边上，则将三角形分割成顶点包含投影点在内的相邻的两个子三角形；如果投影点落在三角形内部，则将三角形分割成BC、、三个子三角形；如果投影点落在三角形外部，则将距离投影点最近的三角形边上的点作为分割点，将其分割成包含该分割点为其中一个顶点的相邻的两个子三角形；从而完成局部拓扑的更新； S5.6：对点云使用平滑算法Laplacian调整顶点位置以改善三角形的形状、合并或分裂边以优化网格分辨率； S5.7：对m个点云子集得到的m个子网格中的所有顶点进行顶点合并，所有面片进行面片合并。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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。