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！

龙图腾网获悉华侨大学;厦门金龙联合汽车工业有限公司申请的专利基于DPE-SE深度估计的多视图三维点云重建方法及装置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：CN121259216B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511821106.2，技术领域涉及：G06T17/00；该发明授权基于DPE-SE深度估计的多视图三维点云重建方法及装置是由王成;林本龙;蒋金;林煌星;缑锦;黄智勇;丁以轩设计研发完成，并于2025-12-05向国家知识产权局提交的专利申请。

本基于DPE-SE深度估计的多视图三维点云重建方法及装置在说明书摘要公布了：本发明提供的基于DPE‑SE深度估计的多视图三维点云重建方法及装置，涉及计算机视觉与三维重建技术领域。本发明通过获取多视图图像数据；对图像进行预处理；将预处理后的图像输入基于DPE‑SE的深度估计模型，通过语义边缘引导机制对边缘区域进行重点约束，对弱纹理区域自适应传播更新，实现精确深度估计，生成多视图深度结果；然后对多视图深度结果执行几何一致性检查与多尺度深度融合，构建稠密深度图；最终进行三维反投影重建与点云优化处理，输出包含三维坐标与置信度信息的高质量点云数据。本发明在复杂光照、弱纹理及遮挡环境下显著改善了边缘错配与深度空洞问题，提升了点云的连续性与结构完整性，为无人机测绘、建筑检测及数字孪生建模提供技术支持。

本发明授权基于DPE-SE深度估计的多视图三维点云重建方法及装置在权利要求书中公布了：1.一种基于DPE-SE深度估计的多视图三维点云重建方法，其特征在于，包括： S1，获取目标场景的多视图图像数据； S2，对所述多视图图像数据进行预处理； S3，将预处理后的多视图图像数据输入预训练的基于DPE-SE的深度估计模型，生成多视图深度结果；其中，所述基于DPE-SE的深度估计模型在传统PatchMatch框架的基础上融合DeepLabv3+语义分割网络提取出多尺度语义特征,生成语义边缘置信图，并通过匹配代价对语义边缘置信图的边缘区域进行像素加权重点约束与弱纹理区域的自适应传播更新； S4，对所述多视图深度结果进行几何一致性检查与多尺度深度融合，构建全局一致的稠密深度图； S5，对所述稠密深度图进行三维反投影重建与点云优化处理，输出包含三维坐标的稠密点云结果，用于高精度测绘、建筑结构检测及数字孪生模型构建； 其中，所述基于DPE-SE的深度估计模型包括语义特征提取模块、语义边缘置信度生成模块、语义加权代价聚合模块和棋盘格传播与优化模块； 其中，所述语义特征提取模块采用DeepLabv3+语义分割网络的编码器提取多尺度语义特征； 所述语义边缘置信度生成模块用于将提取出的多尺度语义特征通过卷积运算生成语义边缘置信度图； 所述语义加权代价聚合模块通过引入语义加权机制对匹配代价函数进行调制，并结合指数加权聚合策略对所述语义边缘置信度图的边缘区域进行加权聚合； 所述棋盘格传播与优化模块用于基于加权聚合后的置信度图，采用棋盘格更新策略在邻域像素间传播深度候选值，在边缘区域引入语义抑制项执行保守传播，然后在传播更新后采用最小化语义加权匹配代价准则进行优化； 所述语义特征提取模块的公式为： ； 其中，为输入图像在像素点的语义特征；表示DeepLabv3+的编码器映射函数；表示网络权重系数； 所述语义边缘置信度生成模块的公式为： ； 其中，为像素点的语义边缘置信度；和b分别为卷积核权重和偏置；表示卷积运算；为sigmoid激活函数； 所述语义加权代价聚合模块的公式为： ； ； 其中，为代价函数，用于衡量图像中像素点在视差下的匹配代价；为语义加权后的代价函数；为语义调制系数，用于控制边缘区域的加权强度；为视差，表示立体图像对中对应像素点的位置差异； 为聚合后的综合代价；为第i视图的置信权重。

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华侨大学;厦门金龙联合汽车工业有限公司，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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。