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！

龙图腾网获悉福州大学申请的专利基于预采样和渐进式语义建模策略的室内场景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：CN119784941B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202411836821.9，技术领域涉及：G06T17/00；该发明授权基于预采样和渐进式语义建模策略的室内场景重建方法是由翁谦;叶宇滟;徐航;黄扬航;陈国霖;林嘉雯;黄佳莉设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本基于预采样和渐进式语义建模策略的室内场景重建方法在说明书摘要公布了：本发明涉及一种基于预采样和渐进式语义建模策略的室内场景重建方法；包括以下步骤：构建场景重建模型，场景重建模型包括DFormer模块、主模型模块和语义建模模块；基于NYUv2数据集训练所构建的场景重建模型；将待重建的RGB图像和对应的深度图输入训练好的场景重建模型；主模型模块对输入的RGB图像和对应的深度图进行场景的渲染预采样，获取粗略的体积密度估计，并进行正式的体积和颜色渲染；DFormer模块将RGB图像转换成语义图像；语义建模模块以语义图像及对应的深度图作为输入，通过渐进式语义建模策略辅助细化体积和颜色的渲染效果；实现室内场景的重建。本发明能够显著提升场景重建的效率和精度，实现更精确的细节还原和更高效的渲染过程。

本发明授权基于预采样和渐进式语义建模策略的室内场景重建方法在权利要求书中公布了：1.基于预采样和渐进式语义建模策略的室内场景重建方法，其特征在于：包括以下步骤： 步骤S1：构建场景重建模型，所述场景重建模型包括DFormer模块、主模型模块和语义建模模块； 步骤S2：基于NYUv2数据集训练所构建的场景重建模型； 步骤S3：将待重建的RGB图像和对应的深度图输入训练好的场景重建模型； 所述主模型模块对输入的RGB图像和对应的深度图进行场景的渲染预采样，获取粗略的体积密度估计，并进行正式的体积和颜色渲染，完成场景的主要重建过程； 所述DFormer模块将RGB图像转换成语义图像； 所述语义建模模块以语义图像及对应的深度图作为输入，通过渐进式语义建模策略辅助细化体积和颜色的渲染效果； 根据主模型模块和语义建模模块的输出结果实现室内场景的重建； 所述主模型模块的SG-MLP对输入的RGB图像及对应的深度图进行渲染预采样，对场景进行粗略的体积密度估计，具体为，使用NeRF的频率编码函数γ对采样点集中的每个采样点进行高频编码，再对高频编码后的每个采样点进行体积密度估计并输出ρi，计算公式如下： ρi＝MLPθγzi 其中，MLPθ表示SG-MLP网络，γzi是采样点zi的高频编码，通过NeRF中的频率编码函数γ增强空间信息； 粗精度渲染阶段的光线权重延续至细精度渲染阶段，粗精度下每个体素的SDF值用于进行粗精度渲染阶段光线权重的计算，粗精度下每个体素的RGB值用于进行细精度阶段的RGB值的计算，具体如下： 在粗精度渲染阶段，光线权重的计算依赖于采样点的体积密度ρi，粗精度阶段的光线权重ωcoarsek使用NEUS权重计算方法： ρj＝σsdfj·inv_s 其中，ωcoarsek表示粗精度渲染阶段第k个体素的光线权重，ρk表示第k个体素所对应的采样点zk的体积密度，Δzk＝zk+1-zk表示粗精度渲染阶段相邻的两个体素所对应的采样点之间的距离，ρj表示通过粗精度下第j个体素的SDF值sdfj计算的体积密度，inv_s为粗精度渲染阶段预先设定的缩放因子，σ为Sigmoid激活函数； 在细精度渲染阶段，光线权重基于粗精度渲染阶段的权重进行计算，细精度阶段的光线权重ωfinel计算公式如下： 其中，ωfinel表示细精度渲染阶段第l个体素的光线权重，ωcoarsel表示细精度渲染阶段第l个体素所对应的粗精度渲染阶段体素的光线权重，ρl表示第l个体素所对应的采样点zl的体积密度，Δzl＝zl+1-zl表示细精度渲染阶段相邻的两个体素所对应的采样点之间的距离； 细精度渲染阶段的RGB值cfinel的计算具体为： cfinel＝MLPrgbccoarsel 其中，cfinel为细精度下第l个体素的RGB值，ccoarsel为细精度渲染阶段第l个体素所对应的粗精度渲染阶段体素的RGB值，MLPrgb为细精度下的RGBMLP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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。