買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜杭州電子科技大學申請的專利一種基于環繞視點的位姿估計優化方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114170316B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111528516.X，技術領域涉及：G06T7/73；該發明授權一種基于環繞視點的位姿估計優化方法是由徐風帆;戴國駿;周文暉;任璐偉;吳以凡;張樺設計研發完成，并于2021-12-13向國家知識產權局提交的專利申請。

本一種基于環繞視點的位姿估計優化方法在說明書摘要公布了：本發明公開了一種基于環繞視點的位姿估計優化方法。本發明將稀疏視點圖片與對應粗略相機位姿作為輸入，利用編解碼神經網絡提取出圖片序列的不同尺度的特征，將不同尺度的特征進行轉置卷積并兩兩相乘，按照粗略相機位姿映射并融合為3D特征體素，通過3D卷積網絡提取特征點空間坐標、密度與顏色信息作為輸入進入MLP網絡，回歸得到位姿偏移誤差，更新對照視點位姿并回歸主視點坐標系。本發明對輸入的多視點圖片進行預處理，利用神經網絡，基于多視圖，將特征匹配與位姿優化兩個任務集成起來，得到了精確的相機位姿。本發明提出的于環繞視圖的位姿估計優化方法，提高了位姿估計的精度，大大提升了三維重建的質量。

本發明授權一種基于環繞視點的位姿估計優化方法在權利要求書中公布了：1.一種基于環繞視點的位姿估計優化方法，其特征在于輸入為按序排列的環繞視點的圖片序列和粗略相機位姿，輸出為精確相機位姿，實現環繞視點的位姿估計與優化，具體實現步驟如下：步驟1.輸入為環繞視點的圖片序列與粗略相機位姿，圖片序列包含主視點圖片I0和其他視點圖片In，其中n取值為1～N，表示第n個其他視點圖片；假定所有視點圖片尺寸為S*S，且其他視點圖片依據拍攝角度變換進行排序；以主視點圖片為起點，所有視點圖片的真實位姿能夠連接形成閉環；將圖片序列輸入到一個U型編解碼網絡中，采用3*3大小的卷積核，利用轉置卷積實現上采樣，該U型編解碼網絡能夠編碼不同層次特征的信息，從而從不同尺度實現估計優化；另外在提取視點圖片的特征點之后，將會過濾掉匹配次數大于等于2次的特征點；步驟2.在步驟1的U型編解碼網絡中實現對不同尺度下的視點圖片進行特征提取，得到特征圖，然后再通過粗略相機位姿投影映射到對應的位置并融合成一個3D的特征體素；步驟3.在步驟2獲得的3D特征體素之后，通過改進的3D卷積網絡進行特征提取；并且每次提取特征后，不斷將通道數量縮小一半，得到尺寸為S*S*32的特征體素；最終回歸得到特征點空間坐標x，y，z、密度ρ、圖片顏色R，G，B，構建一個1*7的矩陣作為四層MLP網絡的輸入，通過全局均方差求解位姿偏移，最終回歸得到視點圖片I1新的轉換位姿P′T0-1與深度信息D′1，更新相機位姿P′1；步驟4.將步驟3得到的更新后的相機位姿P′1、視點圖片I1和第三個視點圖片I2與以及視點圖片I2對應的粗略相機位姿P2作為輸入，輸入到U型編解碼神經網絡中，提取特征并過濾掉匹配次數大于等于2次的特征點；經過粗略相機位姿估計投影映射，構建符合的3D特征體素；步驟5.針對步驟4得到的3D特征體素，使用改進的3D卷積網絡提取特征；最終回歸得到特征點空間坐標x，y，z、密度ρ、圖片顏色R，G，B，構建一個1*7的矩陣作為輸入四層MLP網絡；通過全局均方差求解位姿偏移誤差，最終回歸得到視點圖片I2新的轉換位姿P′T1-2與深度信息D′2，更新相機位姿P′2；步驟6.選擇以視點圖片I2作為主視點，第四個視點I3作為對照視點，依據步驟3、4、5更新得到視點圖片I3的相機位姿P′3；依照這樣的規則，以更新后的新視點圖片作為主視點，迭代添加后一個相鄰視點圖片與粗略位姿，獲得矯正后精準相機轉移矩陣；當第n個視點圖片獲得更新后的相機位姿，則表明所有視點的相機位姿均已完成優化。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。