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！

龙图腾网获悉东南大学申请的专利基于稀疏与稠密点云融合的多视图水下三维点云拼接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：CN120278877B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510725751.8，技术领域涉及：G06T3/4038；该发明授权基于稀疏与稠密点云融合的多视图水下三维点云拼接方法是由侯士通;王宇轩;吴智深;熊文;张建;吴涛;孙伟豪;沈涵设计研发完成，并于2025-06-03向国家知识产权局提交的专利申请。

本基于稀疏与稠密点云融合的多视图水下三维点云拼接方法在说明书摘要公布了：本发明公开了基于稀疏与稠密点云融合的多视图水下三维点云拼接方法，涉及结构水下检测技术领域。本发明包括：接收水下结构双目相机表面图像，其中双目相机包括左相机、右相机，基于立体匹配与三角测量生成稠密点云，输出稠密点云与左相机图像像素的对应关系；基于接收的左相机图像，采用运动结构恢复算法利用多视角三角测量生成稀疏点云，并输出稀疏点云与左相机图像像素的对应关系。本发明对多视角重建的点云拼接时，能够较好地还原水下结构的表面特征，无需进行特征提取，有较强的准确性和鲁棒性，在水下复杂环境中能够实现高精度的点云拼接，因此在实际水下结构检测和图像拼接任务中有较好的应用前景。

本发明授权基于稀疏与稠密点云融合的多视图水下三维点云拼接方法在权利要求书中公布了：1.基于稀疏与稠密点云融合的多视图水下三维点云拼接方法，其特征在于，包括以下步骤： 接收水下结构双目相机表面图像，其中双目相机包括左相机、右相机，基于立体匹配与三角测量生成稠密点云，输出稠密点云与左相机图像像素的对应关系； 基于接收的左相机图像，采用运动结构恢复算法利用多视角三角测量生成稀疏点云，并输出稀疏点云与左相机图像像素的对应关系； 根据得到的稠密点云与稀疏点云分别与图像像素的对应关系，计算稠密点云与稀疏点云的对应关系，得到初步的点云位置对齐，完成点云的粗拼接； 在点云粗拼接的基础上，采用最近点迭代算法对点云进行精确拼接，最小化点云重叠区域的误差； 在点云粗拼接的基础上，采用最近点迭代算法对点云进行精确拼接，最小化点云重叠区域的误差，具体如下： 计算点云重叠区域，进行均匀采样并匹配最近点，使用以点云所占体积的低分辨率为表示的体素外壳确定重叠区域，对象空间被细分为体素结构，在对象空间中均匀选择点，使得重叠区域内的点均匀分布，再次进行匹配，在另一个点云中查找所选待匹配点子集的最近点，根据点的兼容性拒绝错误对应； 将点云P1和P2进行体素化处理，定义体素分辨率dv，将对象空间V划分为三维网格： 其中，vi，j，k表示位于索引（i，j，k）处的体素，体素中心坐标Ci，j，k为： 点Xv，坐标为（xv，yv，zv），其所属体素索引计算如下： 遍历所有体素，若体素内同时存在来自P1和P2的点，则此体素属于重叠区域Voverlap： 在Voverlap中进行均匀采样，以获得稀疏但均匀分布的点集S，设P为固定点云的点集，对于每个体素vi，j，k∈Voverlap，在此体素内均匀选择一个代表点Xs构成点集S： 即选取此体素内所有点的质心作为采样点，对于均匀采样后的点集S，在另一点云的点集P’中查找最近点匹配，对于每个采样点Xs，在P’中寻找最近邻点X’ s: 使用点的几何兼容性筛选错误匹配，设ds为匹配点对（Xs，X’ S）的距离，设定阈值τd进行剔除： 若dsτd，则认为匹配错误并剔除此点对； 基于点-平面距离最小化原则，迭代计算最佳旋转和平移矩阵，直至满足收敛条件，完成精拼接： 将稀疏点云作为目标点云Q={Yj=（xj，yj，zj）T}，稠密点云作为待配准点云P={Xi=（xi，yi，zi）T}，初始变换参数旋转矩阵Ro与平移矩阵to，目标找到Ricp和ticp，使得变化后的点云P’最优匹配Q： 估计目标点云Q的法向量Nj： 其中nxj，nxj，nxj，分别为向量Nj的对应坐标值，矩阵右上角T表示矩阵的转置运算，对于每个点Xi∈P，在目标点云Q中寻找最近点Yj，并获取法向量Nj，对于每个匹配点对（Xi，Yj），计算点-平面距离误差di： 其中Nj T表示Nj的转置矩阵，通过最小化所有对应点的加权点-平面距离平方和进行参数优化： 权重ωi由对应点对所属点云对的残差中值绝对偏差（MAD）计算： 其中为中值，σk为第k个点云对的噪声估计； 令参数向量为β，将非线性方程di（x）=0+vi，线性化为与x0相关的f函数： 其中di（x）为关于x的点-平面距离误差方程，vi表示调整后的剩余距离；x0表示近似参数值的向量，A为设计矩阵，包含方程在x0点对参数的偏导数，v为剩余距离，△β为参数修正量； 通过迭代求解参数修正量△β： 式中β0为参数初值，A为设计矩阵，权重矩阵P=diag（ω1，ω2…ωn），ωn为对应权重； 迭代更新公式为： 当|△β|低于设定阈值时收敛； 迭代优化流程包括外部迭代与内部迭代，外部迭代包括重新建立点云匹配，计算新的法向量和点-平面距离，过滤错误匹配点，内部迭代包括线性化最小二乘求解△β，更新旋转参数和平移参数直至收敛； 两个对应点的点到平面距离定义为一个点到另一个点的拟合平面的正交距离，对于待拼接的点云通过最小二乘调整估计变换参数，最小化点到平面距离的平方和，最后进行转化，使用估计参数转换点云进行点云拼接。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。