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！

龙图腾网获悉中国海洋大学申请的专利基于水下成像模型的端到端水下三维重建方法与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：CN120635333B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511120632.6，技术领域涉及：G06T17/00；该发明授权基于水下成像模型的端到端水下三维重建方法与系统是由周小伟;于文雅;董军宇;张述;高峰设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本基于水下成像模型的端到端水下三维重建方法与系统在说明书摘要公布了：本发明公开了一种基于水下成像模型的端到端水下三维重建方法与系统，属于水下图像处理技术领域。本发明将深度学习位姿估计与水下成像模型相结合；首先采集多帧水下图像序列作为输入，构建一个深度神经网络，该网络主要包括两个核心子模块：一是位姿估计网络；二是三维重建网络，根据预测的位姿与图像内容，完成稠密的点云或体素重建，将位姿估计与三维重建过程集成于同一系统中，实现整体联合优化；并结合自适应水下成像模型，对水下光照衰减、散射等物理过程进行建模，从而提升重建结果的真实感与准确性。本发明实现了实现对复杂水下环境中的图像进行高质量的三维重建，能够广泛应用于海洋工程、水下机器人、海底地形测绘、水下文物保护。

本发明授权基于水下成像模型的端到端水下三维重建方法与系统在权利要求书中公布了：1.一种基于水下成像模型的端到端水下三维重建方法，其特征在于，包括以下步骤： S1：采集多帧水下图像序列，获取包含光照衰减、散射模糊和颜色偏移等复杂水下环境特征的原始图像数据； S2：构建端到端可学习的位姿估计网络，对输入的图像序列进行时空建模与特征提取，预测图像帧之间的相对六自由度位姿；所述位姿估计网络结构包括：输入模块、图像特征提取模块、融合编码模块、Transformer编码模块和位姿回归模块；所述S2中的位姿估计网络包括以下模块： 1输入模块：接收水下多视角图像，作为位姿估计的观测输入； 2图像特征提取模块：通过深度视觉编码网络提取输入图像的高维空间特征，得到包含空间结构信息的特征图；随后对特征图进行展平并加上位置编码，形成带有空间位置信息的图像token，便于后续Transformer处理和全局上下文建模； 3融合编码模块：将图像token与可学习的cameratokens结合，后者作为隐式的相机位姿表示；该模块实现视觉信息与相机先验的融合，构建联合上下文表征，为Transformer提供丰富的输入语义与几何信息，辅助位姿推断； 4Transformer编码模块：由多层Transformer组成，包含多头自注意力、多头交叉注意力、前馈网络及残差连接和层归一化；该模块对图像token和cameratoken的联合序列进行深度建模，实现位姿的上下文感知估计； 5位姿回归模块：基于Transformer编码后的联合特征，通过全连接回归网络预测图像对应的相对旋转和平移参数，实现高精度的相机位姿估计； 所述S2还包括标准化数据转换，该流程具体包括以下步骤： 1姿态转换与格式规范化：将位姿估计网络预测的相对位姿序列通过矩阵累乘转换为每帧的全局相机位姿，再对旋转矩阵进行四元数变换； 2相机内参初始化与归一化处理：若无显式标定数据，则采用默认参数，并对所有图像统一尺寸与内参格式，生成每张图像对应的PINHOLE模型参数； 3图像与位姿同步打包：遍历图像序列，按图像文件名顺序与预测位姿一一对应； 4稀疏点云提取与颜色附加：从已生成的初始点云中读取空间点位置信息，提取每个点的颜色，并生成带颜色的稀疏点集，写入标准格式，作为初始场景结构表示； 5统一输出标准三元数据格式：最终输出cameras.bin、images.txt和points3D.txt三个文件，构成符合COLMAP3DGS输入要求的稀疏重建输入格式，供后续基于高斯表示的可微渲染模块加载使用； S3：构建水下成像模型，用于模拟介质引起的水下图像退化过程，并嵌入至三维渲染流程中，增强颜色还原与成像物理一致性； S4：基于位姿估计网络和水下成像模型，构建基于三维高斯分布的稠密重建模块进行三维重建，输出三维重建图像。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。