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！

龙图腾网获悉深圳大学申请的专利动态物体的三维成像方法、装置、设备及存储介质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：CN114820921B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202210270991.X，技术领域涉及：G06T17/00；该发明授权动态物体的三维成像方法、装置、设备及存储介质是由李东;陈铭鑫;田劲东设计研发完成，并于2022-03-18向国家知识产权局提交的专利申请。

本动态物体的三维成像方法、装置、设备及存储介质在说明书摘要公布了：本申请提供一种动态物体的三维成像方法、装置、设备及存储介质，方法包括按照预设的两种条纹频率对动态物体进行条纹投影并拍摄条纹图；将条纹图输入至预设的图像特征提取模型中进行特征提取处理，分别获得动态物体的像素点实部分布图和像素点虚部分布图；根据像素点实部分布图和像素点虚部分布图，对动态物体的像素点进行相位计算，获得动态物体的折叠相位图，并对折叠相位图进行相位展开处理，获取动态物体的绝对相位图；根据绝对相位图，将动态物体的所有像素点进行双目匹配及深度计算，获得各像素点对应的三维坐标值，以根据各像素点对应的三维坐标值构建标物体的三维图像。该方法实现过程中所需的条纹图数量少且动态物体的三维成像的精度高。

本发明授权动态物体的三维成像方法、装置、设备及存储介质在权利要求书中公布了：1.一种动态物体的三维成像方法，其特征在于，包括： 按照预设的两种条纹频率对动态物体进行条纹投影并拍摄条纹图； 将所述条纹图输入至预设的图像特征提取模型中进行特征提取处理，分别获得所述动态物体的像素点实部分布图和像素点虚部分布图； 根据所述像素点实部分布图和像素点虚部分布图，对所述动态物体的像素点进行相位计算，获得所述动态物体的折叠相位图，并对所述折叠相位图进行相位展开处理，获取所述动态物体的绝对相位图； 根据所述绝对相位图，将所述动态物体的所有像素点进行双目匹配及深度计算，获得各像素点对应的三维坐标值，以根据所述各像素点对应的三维坐标值构建所述动态物体的三维图像； 所述将所述条纹图输入至预设的图像特征提取模型中进行特征提取处理，分别获得所述动态物体的像素点实部分布图和像素点虚部分布图的步骤之前，还包括： 采用预先搭建的正弦条纹投影测量系统在若干种不同频率下收集物体条纹图样本； 采用相移法计算出所述物体条纹图样本中表示物体的所有像素点的实部数据值和虚部数据值； 将所述物体条纹图样本作为模型输入以及将所述物体条纹图样本中表示物体的所有像素点的实部数据值和像素点虚部数据值作为模型输出训练预设的卷积神经网络模型至收敛状态，生成图像特征提取模型； 其中，所述将所述物体条纹图样本作为模型输入以及将所述物体条纹图样本中表示物体的所有像素点的实部数据值和像素点虚部数据值作为模型输出训练预设的卷积神经网络模型至收敛状态，生成图像特征提取模型的步骤中，包括： 将收集到的所有物体条纹图样本按照预设的分配比例进行随机分配，获得训练样本集和验证样本集； 针对分配至所述训练样本集中的第一物体条纹图样本，将所述第一物体条纹图样本作为模型输入及将所述第一物体条纹图样本中表示物体的所有像素点的实部数据值和虚部数据值作为模型输出训练所述预设的卷积神经网络模型，获得训练后的卷积神经网络模型； 针对分配至所述验证样本集中的第二物体条纹图样本，将所述第二物体条纹图样本输入至所述训练后的卷积神经网络模型进行特征提取处理，获取所述训练后的卷积神经网络模型输出的表示物体的所有像素点的第一实部数据值和第一虚部数据值； 将所述训练后的卷积神经网络模型输出的表示物体的所有像素点的第一实部数据值和第一虚部数据值与所述第二物体条纹图样本通过相移法计算获得的表示物体的所有像素点的实部数据值和虚部数据值进行相似度比对，获得相似度值； 将所述相似度值与上一轮迭代训练的相似度值进行比较，若所述相似度的增长幅度小于预设阈值，则判断所述训练后的卷积神经网络模型已训练至收敛状态，将所述训练后的卷积神经网络模型生成为图像特征提取模型。

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大学，其通讯地址为：518000 广东省深圳市南山区粤海街道南海大道3688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”。

以上内容由龙图腾AI智能生成。