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！

龙图腾网获悉中科(深圳)无线半导体有限公司申请的专利具有多尺度渐进细化的双向跨模态图像引导点云修复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：CN120070269B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510542201.2，技术领域涉及：G06T5/77；该发明授权具有多尺度渐进细化的双向跨模态图像引导点云修复方法是由赵柏聿;高放;金岩;麻胜恒;陈福鑫设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本具有多尺度渐进细化的双向跨模态图像引导点云修复方法在说明书摘要公布了：本发明公开了一种具有多尺度渐进细化的双向跨模态图像引导点云修复方法，涉及人工智能无人机或具身机器人的计算机视觉技术领域，包括：将不完整点云转换为深度图；基于双向交互补偿模块，根据深度图补偿视图图像模态中缺少的几何深度信息，以及视图图像模态补偿点云模态中缺少的纹理和颜色信息，得到最终增强特征表示；基于粗点云生成模块解码最终增强特征表示，生成粗点云；利用点云细化模块对粗点云进行精细化处理，通过双流特征引导全局形状和局部结构信息的融合，逐步生成预测的细化点云。本发明弥合了点云和图像模态之间的信息鸿沟，增强了点云整体形状和局部细节生成精度，能够合理地生成具有细粒度语义结构的完整点云。

本发明授权具有多尺度渐进细化的双向跨模态图像引导点云修复方法在权利要求书中公布了：1.一种具有多尺度渐进细化的双向跨模态图像引导点云修复方法，其特征在于，包括以下步骤： 步骤1、获取视图图像Iin和不完整点云Pin，将不完整点云Pin通过透视投影转换得到深度图； 步骤2、基于具有多尺度渐进细化的双向交互补偿模块，根据深度图补偿视图图像模态中缺少的几何深度信息，以及视图图像模态补偿点云模态中缺少的纹理和颜色信息，得到最终增强特征表示F； 步骤3、基于粗点云生成模块解码最终增强特征表示F，生成表示完成物体近似形状的粗点云Pco； 步骤4、利用点云细化模块对粗点云Pco进行精细化处理，通过双流特征引导全局形状和局部结构信息的融合，逐步生成预测的细化点云Pout； 步骤2中，双向交互补偿模块包括点编码器、深度编码器和在ImageNet图像数据集上预训练过的图像编码器；其中，点编码器由三层集合抽象层组成，通过分层下采样从不同级别和尺度的点云中提取点云特征Fp；深度编码器采用ResNet-18模型，用于从深度图中提取深度图特征Fd；图像编码器用于从视图图像中提取视角图像特征Fv； 双向交互补偿模块包括两个跨模态Transformer；第一个跨模态Transformer在深度图特征Fd和视角图像特征Fv之间建立语义关联，具体实现用以下公式表示： Ftf1＝ConcatFd,Fv Q1＝α1Ftf1+PEPV,K1＝β1Ftf1+PEPV,V1＝γ1Ftf1 F′tf1＝LNFtf1+SelfAttnQ1,K1,V1 F″tf1＝F′tf1+FFNF′tf1 其中：Ftf1表示通过将Fd和Fv连接起来获得的融合特征；PE表示位置嵌入；PV表示投影视点；α1，β1，γ1代表线性层；Q1，K1，V1代表线性变换后的结果，用于自注意机制的运算；LN表示层归一化；FFN表示由两个线性层组成的前馈网络； 第二个跨模态Transformer在增强视图特征表示F″tf1与点云特征Fp之间建立语义关联，具体实现公式表示如下： Ftf2＝ConcatFp,F″tf1 Q2＝α2Ftf2,K2＝β2Ftf2,V2＝γ2Ftf2 F′tf2＝LNFtf2+SelfAttnQ2,K2,V2 Q3＝K3＝V3＝F′tf2 F″tf2＝LNF′tf2+SelfAttnQ3,K3,V3 F″′tf2＝F″tf2+FFNF″tf2 其中：Ftf2表示增强视图特征F″tf1与点云特征Fp连接得到的融合特征；F″′tf2表示最终得到的增强点云特征表示；F′tf2和F″tf2分别表示初次和二次归一化后的融合特征；α2，β2，γ2代表线性层；Q2，K2，V2，Q3，K3，V3代表线性变换后的结果，用于自注意机制的运算；FFN表示由两个线性层组成的前馈网络。

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中科(深圳)无线半导体有限公司，其通讯地址为：518000 广东省深圳市南山区南头街道马家龙社区南山大道3838号工业村金栋309；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”。

以上内容由龙图腾AI智能生成。