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！

龙图腾网获悉深圳市森歌数据技术有限公司申请的专利一种基于增量式更新的动态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：CN120510308B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202511000544.2，技术领域涉及：G06T17/00；该发明授权一种基于增量式更新的动态三维重建方法是由周皓然;叶绍泽;黎治华;陆国锋;陈康;袁杰遵;张举冠设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本一种基于增量式更新的动态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增量式更新的动态三维重建方法，属于图像数据处理领域，包括步骤：获取待重建的林业场景多视角的图像，构成初始数据集D0；基于D0和3DGS方法构造林业场景的初始三维场景模型；监测林业场景构造第t次变化的增量数据集Dt；每次增量学习时，将上次的增量模型分为变化区域和非变化区域，通过优化变化区域、非变化区域、构造新增场景模型的方式得到第t次增量学习的增量模型并用于图像渲染。本发明避免全场景重建，显著提高动态环境下三维重建的效率的同时，能保证三维模型的精准度。且只需少量新增视角图像即可完成场景的更新，极大降低了数据采集的成本和时间，特别适用于林业等大规模监测及需要长期监测和实时更新的场景。

本发明授权一种基于增量式更新的动态三维重建方法在权利要求书中公布了：1.一种基于增量式更新的动态三维重建方法，其特征在于，包括以下步骤； S1，获取待重建的林业场景多视角的图像，构成初始数据集D0； ，其中，N为样本总数，Ij,Kj,Rj,tj为D0中第j个样本，Ij为第j张图像，Kj为相机内参矩阵，Rj为相机的旋转矩阵，tj为相机的平移向量； S2，基于D0和3DGS方法构造林业场景的初始三维场景模型，所述包括一组高斯球； S3，监测林业场景，若发生变化，获取变化场景的多视角图像构成增量数据集，第t次变化对应的增量数据集为Dt，t≥1，Dt与D0样本格式相同； S4，基于Dt和残差计算，将第t-1次增量学习得到的增量模型分为变化区域和非变化区域，包括步骤S41~S45； S41，建立一空的集合GSt，将Dt中每个样本的图像作为真实图，用生成对应的渲染图，Dt共K个样本，其中第k个样本的图像的渲染图为； S42，计算与中对应像素的残差值，像素p的残差值为； S43，选取的像素作为变化像素，构成的变化像素集合，式中、分别为中所有像素残差的中位数和标准差； S44，根据下式从中筛选高斯球存入GSt； ， 式中，ξ为预设的贡献度阈值，wip为中第i个高斯球对像素p的贡献度； S45，按S42~S44依次处理Dt中每个样本，将每个样本筛选的高斯球存入GSt，将中GSt的高斯球作为变化区域，其余为非变化区域； S5，设置变化区域的目标函数，根据下式对中变化区域的参数进行调整，得到最优参数，并将调整后的标记为第一增量模型； ， ， 式中，为中参数的增量，argmin∙为argmin函数，λloc为局部优化的正则化项； S6，优化非变化区域，包括S61~S62，并将优化后的标记为第二增量模型； S61，计算非变化区域内每个高斯球的置信度，其中第i个高斯球gi的置信度为γi； S62，预设置信度下限γmin，若γi＜γmin，则删除或淡出gi； S7，构造新增场景模型，包括S71~S72； S71，构造新增场景集合Dzt，Dzt共K个样本，其中第k个样本为相对于中与新增场景对应的像素区域； S72，基于Dzt和3DGS方法构造新增场景模型，与融合后得到第t次增量学习的增量模型； S8，用进行图像渲染。

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深圳市森歌数据技术有限公司，其通讯地址为：518001 广东省深圳市罗湖区东晓街道东晓社区太白路3008号悦彩城(北地块)写字楼1302；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”。