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！

龙图腾网恭喜南京大学申请的专利一种基于融合多视角特征与深度学习的三维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：CN114708380B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210219791.1，技术领域涉及：G06T17/00；该发明授权一种基于融合多视角特征与深度学习的三维重建方法是由张岩;贾晓玉;张化鹏;谢吉雨;刘琨设计研发完成，并于2022-03-08向国家知识产权局提交的专利申请。

本一种基于融合多视角特征与深度学习的三维重建方法在说明书摘要公布了：本发明公开了一种基于融合多视角特征与深度学习的三维重建方法，包括：采集多视角图片数据与对应的SDF数据；用卷积网络对输入的图片数据进行卷积操作，分别得到多视角下的一维的全局特征和多层二维的图片特征；对多视角下的全局特征进行最大池化操作，获取整体的全局特征；对输入的三维查询点投影，用二维查询点查询多层图片特征得到局部点信息，并拼接得到局部特征信息；进行点卷积操作，获取模型的点特征；将点特征分别与全局特征，局部特征结合，获取带有点特征信息的全局特征与局部特征；将全局特征分别与局部特征结合，用投票的方式生成最终的特征信息；最终生成三维模型。

本发明授权一种基于融合多视角特征与深度学习的三维重建方法在权利要求书中公布了：1.一种基于融合多视角特征与深度学习的三维重建方法，其特征在于，包括以下步骤：步骤1，采集多视角图片数据与对应的带符号的距离方程数据SDF，作为输入的图片数据；步骤2，用全卷积网络vgg对输入的图片数据进行卷积操作，分别得到多视角下的一维的全局特征信息和多层二维的图片特征信息；步骤3，对步骤2中多视角下的全局特征信息进行最大池化操作，获取整体的全局特征信息；步骤4，输入三维模型的点信息，即三维查询点，对其进行投影，得到相应的二维查询点，用二维查询点查询图片多层特征信息得到局部点信息，并将多层局部点信息进行拼接，得到局部特征信息；步骤5，进行点卷积操作，获取相应的点特征；步骤6，将步骤5中得到的点特征分别与步骤3中得到的整体的全局特征信息，步骤4中得到的局部特征信息结合，获取带有点特征信息的全局特征与局部特征；步骤7，将步骤6中的带有点特征信息的全局特征分别与带有点特征信息的局部特征结合，并用投票的方式生成最终的特征信息；步骤8，对步骤7中得到的最终的特征信息，通过移动立方体算法生成最终的三维模型；其中，步骤6包括以下步骤：步骤6-1，对步骤3得到的全局特征向量G与步骤5得到的点特征向量F，将其进行拼接，得到1×640维的带有点特征信息的全局特征，再进行卷积操作，得到1×256维的全局特征向量G；步骤6-2，对步骤4得到n个视角下的局部特征L与步骤5得到的点特征向量F，将其进行拼接，得到n个视角下带有点特征的1×1984维的局部特征，再进行卷积操作，得到1×256维的局部特征L；步骤7包含以下步骤：步骤7-1，将步骤6得到的全局特征向量G分别与步骤6得到n个视角下的局部特征L相加，得到n个1×256维的特征信息W＝{w1,w2,…,wn}步骤7-2，对步骤7-1得到的特征W进行投票操作，最终得到1×256维的特征信息SDF，其中，投票的方式为统计最终得到多视角的特征在同一点处每层SDF正值和负值的个数，取较多的值的平均值作为当前点的SDF预测值；步骤7-3，计算损失值 其中，|·|表示L1-norm，即L1范数；fI,p表示网络输出结果，即网络预测值，其中输入为图片I和三维点p；SDFIp表示点p对应的SDF真值；δ为一个阈值；m表示惩罚点在模型相对位置，点在模型内部时，得到一个惩罚项，取m1m2，其中m1为当真值小于阈值δ时，惩罚项的取值，m2为真值大于阈值δ时，惩罚项的取值；步骤7-4，进行反向传播，最终得到训练的融合了多视角特征的全卷积网络。

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南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163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”。