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！

龍圖騰網恭喜南京大學申請的專利一種基于融合多視角特征與深度學習的三維重建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：CN114708380B 。

龍圖騰網通過國家知識產權局官網在2025-06-10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：202210219791.1，技術領域涉及：G06T17/00；該發明授權一種基于融合多視角特征與深度學習的三維重建方法是由張巖;賈曉玉;張化鵬;謝吉雨;劉琨設計研發完成，并于2022-03-08向國家知識產權局提交的專利申請。

本一種基于融合多視角特征與深度學習的三維重建方法在說明書摘要公布了：本發明公開了一種基于融合多視角特征與深度學習的三維重建方法，包括：采集多視角圖片數據與對應的SDF數據；用卷積網絡對輸入的圖片數據進行卷積操作，分別得到多視角下的一維的全局特征和多層二維的圖片特征；對多視角下的全局特征進行最大池化操作，獲取整體的全局特征；對輸入的三維查詢點投影，用二維查詢點查詢多層圖片特征得到局部點信息，并拼接得到局部特征信息；進行點卷積操作，獲取模型的點特征；將點特征分別與全局特征，局部特征結合，獲取帶有點特征信息的全局特征與局部特征；將全局特征分別與局部特征結合，用投票的方式生成最終的特征信息；最終生成三維模型。

本發明授權一種基于融合多視角特征與深度學習的三維重建方法在權利要求書中公布了：1.一種基于融合多視角特征與深度學習的三維重建方法，其特征在于，包括以下步驟：步驟1，采集多視角圖片數據與對應的帶符號的距離方程數據SDF，作為輸入的圖片數據；步驟2，用全卷積網絡vgg對輸入的圖片數據進行卷積操作，分別得到多視角下的一維的全局特征信息和多層二維的圖片特征信息；步驟3，對步驟2中多視角下的全局特征信息進行最大池化操作，獲取整體的全局特征信息；步驟4，輸入三維模型的點信息，即三維查詢點，對其進行投影，得到相應的二維查詢點，用二維查詢點查詢圖片多層特征信息得到局部點信息，并將多層局部點信息進行拼接，得到局部特征信息；步驟5，進行點卷積操作，獲取相應的點特征；步驟6，將步驟5中得到的點特征分別與步驟3中得到的整體的全局特征信息，步驟4中得到的局部特征信息結合，獲取帶有點特征信息的全局特征與局部特征；步驟7，將步驟6中的帶有點特征信息的全局特征分別與帶有點特征信息的局部特征結合，并用投票的方式生成最終的特征信息；步驟8，對步驟7中得到的最終的特征信息，通過移動立方體算法生成最終的三維模型；其中，步驟6包括以下步驟：步驟6-1，對步驟3得到的全局特征向量G與步驟5得到的點特征向量F，將其進行拼接，得到1×640維的帶有點特征信息的全局特征，再進行卷積操作，得到1×256維的全局特征向量G；步驟6-2，對步驟4得到n個視角下的局部特征L與步驟5得到的點特征向量F，將其進行拼接，得到n個視角下帶有點特征的1×1984維的局部特征，再進行卷積操作，得到1×256維的局部特征L；步驟7包含以下步驟：步驟7-1，將步驟6得到的全局特征向量G分別與步驟6得到n個視角下的局部特征L相加，得到n個1×256維的特征信息W＝{w1,w2,…,wn}步驟7-2，對步驟7-1得到的特征W進行投票操作，最終得到1×256維的特征信息SDF，其中，投票的方式為統計最終得到多視角的特征在同一點處每層SDF正值和負值的個數，取較多的值的平均值作為當前點的SDF預測值；步驟7-3，計算損失值 其中，|·|表示L1-norm，即L1范數；fI,p表示網絡輸出結果，即網絡預測值，其中輸入為圖片I和三維點p；SDFIp表示點p對應的SDF真值；δ為一個閾值；m表示懲罰點在模型相對位置，點在模型內部時，得到一個懲罰項，取m1m2，其中m1為當真值小于閾值δ時，懲罰項的取值，m2為真值大于閾值δ時，懲罰項的取值；步驟7-4，進行反向傳播，最終得到訓練的融合了多視角特征的全卷積網絡。

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南京大學，其通訊地址為：210046 江蘇省南京市棲霞區仙林大道163號；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”。