Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州电子科技大学戴玮辰获国家专利权

杭州电子科技大学戴玮辰获国家专利权

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!

龙图腾网获悉杭州电子科技大学申请的专利一种基于相机光度优化的三维场景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:CN119784938B

龙图腾网通过国家知识产权局官网在2025-10-17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:202411831526.4,技术领域涉及:G06T17/00;该发明授权一种基于相机光度优化的三维场景重建方法是由戴玮辰;麻康程;孔万增;王佳鑫;潘科岑;明煜航设计研发完成,并于2024-12-12向国家知识产权局提交的专利申请。

一种基于相机光度优化的三维场景重建方法在说明书摘要公布了:本发明公开了一种基于相机光度优化的三维场景重建方法。该方法首先对同一个场景的多张图像通过辐射场模型进行表征,然后引入深度正则化方法,抑制显著偏离物体表面的点,缓解过拟合问题,得到对应视角下的投影图像。然后考虑相机镜头受到灰尘、污渍、他干扰物或雾化的影响导致的失真建立了外部光度模型,考虑受晕影和传感器非均匀性影响的内部失真问题建立了内部光度模型。通过对辐射场表征参数和相机光度模型参数的优化,能够在三维重建过程中估计相机光度参数,使得本方法相较于现有技术可以在相机光度失真情况下分离得到相机光度失真与鲁棒性更强的高质量三维场景,特别是在成像退化条件下,也能实现高质量的3D场景表示。

本发明授权一种基于相机光度优化的三维场景重建方法在权利要求书中公布了:1.一种基于相机光度优化的三维场景重建方法,其特征在于:具体包括以下步骤: 步骤1、对同一个场景的多张图像使用三维高斯模型进行图像的表征,,得到图像中像素点x对应的辐射值Rx: 其中cn、αn分别表示第n个高斯球的球谐颜色系数加权值和不透明度;αm表示第m个高斯球的不透明度,m<n;N为高斯球数量; 设计了一个深度正则化方案,针对每个像素点,计算基于均值和方差的关联三维GS的逆深度,然后应用高斯函数来抑制位于1标准差范围之外的点,抑制显著偏离物体表面的点,缓解过拟合问题: 其中cn、αn分别表示第n个高斯球的球谐颜色系数加权值和不透明度,id表示逆深度,idn代表的是第n个高斯球的逆深度,αm表示第m个高斯球的不透明度,m<n;N为高斯球数量,μid:R→[0,1]和σid:R→[0,1]是视线方向上三维GS的逆深度的均值和标准差; 步骤2、建立相机光度模型,包括内部光度模型和外部光度模型; 所述外部光度模型为: Bix=SαxRx+Sβx 其中,i表示输入图像索引,Bix是进入相机的辐射,Sα:R2→[0,1]表征干扰物的衰减因子,Sβ:R2→R模拟干扰物本身发射的辐射; 所述内部光度模型为: Iix=GxVxBix 其中Iix表示从第i张图像中观测到的像素强度,V∶R2→[0,1]表示透镜衰减函数,G∶R2→[0,1]表示响应函数; 将外部光度模型得到的辐射值Bix代入内部光度模型,得到如下相机光度模型: Iix=GxVxSαxRx+GxVxSβx =MαxRx+Mβx 其中,Mαx=GxVxSαx表征综合衰减因子,Mβx=GxVxSβx表征综合偏置项;分别使用浅层的多层感知机模型mlpα和mlpβ来拟合相机光度模型中的Mαx和Mβx: Iix=mlpαxRx+mlpβx 其中mlpαx和mlpβx分别表示两个多层感知机模型的输出,通过多层感知机模型对影响输入辐射的各种光度失真因素进行建模,完成缩放和偏置校正; 步骤3、使用基于直接图像监督的损失函数对步骤1中辐射场表征参数进行优化;使用平衡损失函数对相机光度模型的综合衰减因子和综合偏置项进行优化; 步骤4、输入一个场景下多个视角的相机与对应的投影图像;对于每一个视角,进行三维场景表征,得到对应的投影图像;将多个视角的投影图像输入步骤3训练后的相机光度模型中,输出三维重建结果。

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杭州电子科技大学,其通讯地址为:310018 浙江省杭州市钱塘区白杨街道2号大街1158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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。