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！

龙图腾网获悉重庆大学申请的专利一种自动驾驶场景三维重建方法、系统、设备及存储介质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：CN119784933B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411781321.X，技术领域涉及：G06T17/00；该发明授权一种自动驾驶场景三维重建方法、系统、设备及存储介质是由刘骥;吴婧怡;吴映波;甘林昊;汪成亮设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种自动驾驶场景三维重建方法、系统、设备及存储介质在说明书摘要公布了：本发明涉及计算机视觉技术领域，涉及一种自动驾驶场景三维重建方法，包括：获取自动驾驶场景的训练图像数据集；将初始训练图像中动态遮挡物区域和天空区域从初始训练图像中去除，得到第二训练图像；基于第二训练图像得到所述自动驾驶场景去除动态遮挡物和天空后的稀疏点云；根据稀疏点云构建自动驾驶场景的三维高斯模型，并对三维高斯模型的参数进行优化处理，得到优化后的自动驾驶场景三维模型；对优化后的自动驾驶场景三维模型中天空区域和动态遮挡物区域进行重建，得到最终的自动驾驶场景三维模型。本发明还提出一种自动驾驶场景三维重建系统、设备以及存储介质。本发明可以提高存在动态遮挡物的场景下三维重建质量。

本发明授权一种自动驾驶场景三维重建方法、系统、设备及存储介质在权利要求书中公布了：1.一种自动驾驶场景三维重建方法，其特征在于，所述方法包括： 获取自动驾驶场景的训练图像数据集；训练图像数据集包括多张在车辆行驶时拍摄的不同视角的初始训练图像； 将初始训练图像中动态遮挡物区域和天空区域从初始训练图像中去除，得到第二训练图像； 将基于训练图像数据集中各初始训练图像生成的第二训练图像进行汇总，得到第二训练图像数据集； 基于第二训练图像数据集得到所述自动驾驶场景去除动态遮挡物和天空后的稀疏点云； 根据稀疏点云构建自动驾驶场景的三维高斯模型，并对三维高斯模型的参数进行优化处理，得到优化后的自动驾驶场景三维模型； 对优化后的自动驾驶场景三维模型中天空区域和动态遮挡物区域进行重建，得到最终的自动驾驶场景三维模型； 对初始训练图像进行解析，得到初始训练图像的实例分割图像、初始深度图像和初始训练图像的位姿信息； 根据稀疏点云构建自动驾驶场景的三维高斯模型，并对三维高斯模型进行优化处理，得到优化后的自动驾驶场景三维模型，包括： 根据稀疏点云构建三维高斯模型，并初始化三维高斯模型的参数； 根据位姿信息确定二维平面坐标系，将三维高斯模型渲染溅射到二维平面坐标系下，生成渲染图像； 将渲染图像和第二训练图像进行比对，确定三维高斯模型的损失函数； 根据损失函数优化三维高斯模型的参数，得到优化后的自动驾驶场景三维模型； 损失函数包括重建损失和光流损失重建损失的表达式为其中，表示平均绝对误差损失，λrecon为平衡超参数，表示结构相似性损失，表示渲染图像，I表示第二训练图像； 光流损失的表达式为其中，F＝{ffwd,fbwd}表示地面实况流，表示高斯流；ffwd表示训练图像数据集中相邻两个训练图像帧之间的前向流，训练图像数据集包括在车辆行驶时连续采集得到的多个训练图像帧；fbwd表示训练图像集中相邻两个训练图像帧之间的后向流； 表示三维高斯模型预测的高斯场景中的前向流，表示三维高斯模型预测的高斯场景中的后向流； 为了减轻渲染图像深度图Dras和自动驾驶场景去除动态遮挡物和天空后的深度图Drmv之间的尺度模糊，引入皮尔逊相关系数： 损失函数还包括深度图监督损失其中，Dras表示渲染图像的深度图，Drmv表示自动驾驶场景去除动态遮挡物和天空后的第二训练图像的深度图，CorrDras,Drmv表示Dras和Drmv之间的皮尔逊相关系数。

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重庆大学，其通讯地址为：400030 重庆市沙坪坝区沙正街174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”。