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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于环绕视点的位姿估计优化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：CN114170316B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202111528516.X，技术领域涉及：G06T7/73；该发明授权一种基于环绕视点的位姿估计优化方法是由徐风帆;戴国骏;周文晖;任璐伟;吴以凡;张桦设计研发完成，并于2021-12-13向国家知识产权局提交的专利申请。

本一种基于环绕视点的位姿估计优化方法在说明书摘要公布了：本发明公开了一种基于环绕视点的位姿估计优化方法。本发明将稀疏视点图片与对应粗略相机位姿作为输入，利用编解码神经网络提取出图片序列的不同尺度的特征，将不同尺度的特征进行转置卷积并两两相乘，按照粗略相机位姿映射并融合为3D特征体素，通过3D卷积网络提取特征点空间坐标、密度与颜色信息作为输入进入MLP网络，回归得到位姿偏移误差，更新对照视点位姿并回归主视点坐标系。本发明对输入的多视点图片进行预处理，利用神经网络，基于多视图，将特征匹配与位姿优化两个任务集成起来，得到了精确的相机位姿。本发明提出的于环绕视图的位姿估计优化方法，提高了位姿估计的精度，大大提升了三维重建的质量。

本发明授权一种基于环绕视点的位姿估计优化方法在权利要求书中公布了：1.一种基于环绕视点的位姿估计优化方法，其特征在于输入为按序排列的环绕视点的图片序列和粗略相机位姿，输出为精确相机位姿，实现环绕视点的位姿估计与优化，具体实现步骤如下：步骤1.输入为环绕视点的图片序列与粗略相机位姿，图片序列包含主视点图片I0和其他视点图片In，其中n取值为1～N，表示第n个其他视点图片；假定所有视点图片尺寸为S*S，且其他视点图片依据拍摄角度变换进行排序；以主视点图片为起点，所有视点图片的真实位姿能够连接形成闭环；将图片序列输入到一个U型编解码网络中，采用3*3大小的卷积核，利用转置卷积实现上采样，该U型编解码网络能够编码不同层次特征的信息，从而从不同尺度实现估计优化；另外在提取视点图片的特征点之后，将会过滤掉匹配次数大于等于2次的特征点；步骤2.在步骤1的U型编解码网络中实现对不同尺度下的视点图片进行特征提取，得到特征图，然后再通过粗略相机位姿投影映射到对应的位置并融合成一个3D的特征体素；步骤3.在步骤2获得的3D特征体素之后，通过改进的3D卷积网络进行特征提取；并且每次提取特征后，不断将通道数量缩小一半，得到尺寸为S*S*32的特征体素；最终回归得到特征点空间坐标x，y，z、密度ρ、图片颜色R，G，B，构建一个1*7的矩阵作为四层MLP网络的输入，通过全局均方差求解位姿偏移，最终回归得到视点图片I1新的转换位姿P′T0-1与深度信息D′1，更新相机位姿P′1；步骤4.将步骤3得到的更新后的相机位姿P′1、视点图片I1和第三个视点图片I2与以及视点图片I2对应的粗略相机位姿P2作为输入，输入到U型编解码神经网络中，提取特征并过滤掉匹配次数大于等于2次的特征点；经过粗略相机位姿估计投影映射，构建符合的3D特征体素；步骤5.针对步骤4得到的3D特征体素，使用改进的3D卷积网络提取特征；最终回归得到特征点空间坐标x，y，z、密度ρ、图片颜色R，G，B，构建一个1*7的矩阵作为输入四层MLP网络；通过全局均方差求解位姿偏移误差，最终回归得到视点图片I2新的转换位姿P′T1-2与深度信息D′2，更新相机位姿P′2；步骤6.选择以视点图片I2作为主视点，第四个视点I3作为对照视点，依据步骤3、4、5更新得到视点图片I3的相机位姿P′3；依照这样的规则，以更新后的新视点图片作为主视点，迭代添加后一个相邻视点图片与粗略位姿，获得矫正后精准相机转移矩阵；当第n个视点图片获得更新后的相机位姿，则表明所有视点的相机位姿均已完成优化。

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 浙江省杭州市下沙高教园区2号大街；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”。