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！

龙图腾网获悉深圳市森歌数据技术有限公司申请的专利基于多尺度体素融合与全变分正则的NeRF建模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：CN121236302B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511797293.5，技术领域涉及：G06T17/00；该发明授权基于多尺度体素融合与全变分正则的NeRF建模方法是由周皓然;陆国锋;陈康;黎治华;叶绍泽设计研发完成，并于2025-12-02向国家知识产权局提交的专利申请。

本基于多尺度体素融合与全变分正则的NeRF建模方法在说明书摘要公布了：本发明公开了一种基于多尺度体素融合与全变分正则的NeRF建模方法，属于图像数据处理领域，包括步骤：构造数据集D；生成采样点；生成林业三维场景的L层空间特征；对任一采样点x，生成其在每层空间特征的多尺度特征；构造一多尺度融合的NeRF网络，用于根据多尺度特征生成输入向量，再由MLP输出预测体密度和预测颜色；构造总损失L；训练多尺度融合的NeRF网络得到林业三维场景模型，用于林业三维场景中新视角图像的重建。本发明能提升三维重建的细节还原与全局一致性，确保了动态场景下的空间结构稳定性和几何连续性，解决重建噪声高、细节丢失、动态场景适应性差等问题，适用于高精度三维场景建模与实时生态监测。

本发明授权基于多尺度体素融合与全变分正则的NeRF建模方法在权利要求书中公布了：1.一种基于多尺度体素融合与全变分正则的NeRF建模方法，其特征在于，包括以下步骤； S1，构造数据集D； 用相机采集N张林业三维场景各个视角的图像，将第i张图像Ii与其拍摄时间戳ti构成第i个样本Ii,ti，所有样本构成数据集D，Ii中由相机原点oi指向像素p的射线为ri,p、视角方向为di,p； S2，在每条射线上进行粗采样和细采样，生成Nc个粗采样点和Nf个细采样点； S3，用L种分辨率依次降低的体素，分别将林业三维场景划分为L个三维网格，提取每个三维网格的体素特征，并将第l种分辨率体素对应的所有体素特征作为林业三维场景的第l层空间特征Vl，1≤l≤L； S4，对任一采样点x，生成其在Vl的多尺度特征为，所述采样点x为粗采样点或细采样点； S5，构造一多尺度融合的NeRF网络，包括FPN-PAN多尺度融合单元、向量生成单元和MLP； 所述FPN-PAN多尺度融合单元包括FPN、PAN和融合层； 对采样点x，由FPN自底向上提取特征，并在第l层生成x在第l层FPN融合特征，再由PAN自顶向下提取特征，并在第l层将第l-1层PAN融合特征与聚合得到x在第l层的PAN融合特征，所述融合层用于将L个逐通道拼接得到x的全局特征vmultix； 所述向量生成单元用于生成每个采样点时刻t的输入向量，其中采样点x时刻t的输入向量为fx,t，，γx、γd、γt分别为采样点x的位置、所在射线的视角方向、拍摄时间戳对应的编码； 所述MLP用于输入fx,t，输出x的预测体密度和预测颜色； S6，构造多尺度融合的NeRF网络的总损失L； ， 式中，Lrecon为真实颜色和预测颜色的MSE损失，LTV为三维全变分正则损失，Ltime为时间一致性损失，λTV、λtime分别为LTV和Ltime的权重； S7，用数据集D以最小化L训练多尺度融合的NeRF网络，得到林业三维场景模型，用于林业三维场景中新视角图像的重建； S2具体包括S21~S23： S21，在射线ri,p上等间距采样Nc个粗采样点，经MLP预测第j个粗采样点的的体密度和颜色，并计算不透明度和累积透射率，1≤j≤Nc； ， ， 式中，exp⋅为exp函数，为与下一粗采样点间的步长，为第k个粗采样点的不透明度； S22，根据下式计算第j个粗采样点的采样权重； ， S23，将归一化后形成累积分布函数CDF，根据CDF在[0,1]上均匀采样Nf个随机数，通过查表与插值获得Nf个细采样点。

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市森歌数据技术有限公司，其通讯地址为：518001 广东省深圳市罗湖区东晓街道东晓社区太白路3008号悦彩城(北地块)写字楼1302；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。