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！

龙图腾网获悉南京邮电大学申请的专利基于不确定性感知深度监督的稀疏视角室内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：CN121120896B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511667352.7，技术领域涉及：G06T15/00；该发明授权基于不确定性感知深度监督的稀疏视角室内重建方法是由陈蕾;周诣涵;尹文龙;黄楠;王磊;张锋;闵兆娥设计研发完成，并于2025-11-14向国家知识产权局提交的专利申请。

本基于不确定性感知深度监督的稀疏视角室内重建方法在说明书摘要公布了：本发明的一种基于不确定性感知深度监督的稀疏视角室内重建方法，包括获取多视角图像数据；基于SFM求解相机位姿；构建基于不确定性感知的神经辐射场模型，对空间点的体密度、颜色和深度不确定性参数进行建模；在体渲染框架中引入深度不确定性合成公式；构造融合随机结构相似性的光度损失；设计不确定性感知的自适应深度优化机制，通过渐进式不确定性学习策略优化训练过程；将训练完成的模型应用于稀疏视角室内场景，生成高质量三维重建结果及不确定性量化图。本发明通过引入不确定性感知与自适应深度监督的融合方法，有效解决了稀疏视角下重建质量差、细节缺失的问题，显著提升了室内场景三维重建的精度和鲁棒性。

本发明授权基于不确定性感知深度监督的稀疏视角室内重建方法在权利要求书中公布了：1.一种基于不确定性感知深度监督的稀疏视角室内重建方法，其特征在于，包括以下步骤： 步骤1、获取多视角室内场景图像数据，为后续处理提供基础输入； 步骤2：基于步骤1中获得的图像数据，采用运动恢复结构方法恢复每幅图像的相机位姿； 步骤3：利用步骤2中恢复的相机位姿，构建不确定性感知神经辐射场模型，并引入预训练单目深度估计模型以提供深度先验； 步骤4：在体渲染框架中，渲染图像和深度，同时结合步骤3中得到的深度估计结果与不确定性建模，通过不确定性合成公式计算生成渲染图像的深度不确定性图； 步骤5：基于步骤4中生成的渲染图像与步骤1中的真实图像之间的差异，构建融合随机结构相似性的光度损失项； 步骤6：结合步骤4中得到的深度不确定性图和渲染深度图，设计不确定性感知的自适应深度优化损失项； 步骤7：通过渐进式不确定性学习策略，联合优化由步骤5和步骤6得到的总损失函数，训练神经辐射场与深度估计模型； 步骤6具体包括， 构建基于不确定性融合自适应深度优化损失模块，以双向增强神经辐射场NeRF与单目深度估计之间的协同学习； 构建基于不确定性融合的自适应深度优化损失模块，通过双向协同学习机制实现神经辐射场NeRF与单目深度估计MDE的相互增强； 基于不确定性融合的自适应深度优化损失模块包含三个关键子模块： 子模块一：对已见视角的基于不确定性感知的单目深度正则化损失模块； 子模块二：对未见视角的融合不确定性感知的单目深度正则化损失模块； 子模块三：设计融合不确定性感知的单目深度自适应损失模块； 首先，通过建立神经辐射场NeRF的深度不确定性建模能力与单目深度估计MDE生成深度图之间的关联，子模块一和子模块二能够显式捕捉并量化单目深度估计MDE输出的几何歧义，从而提升模型对深度估计模糊性的表征能力； 其次，子模块三利用神经辐射场NeRF渲染过程生成的深度图及其对应不确定性图作为监督信号，设计基于不确定性感知的自适应优化机制，动态调节单目深度估计MDE模型的训练过程； 步骤6具体还包括， 子模块一包括引入了一种不确定性感知几何对齐损失函数，用于优化神经辐射场NeRF渲染深度图与单目估计深度图之间的一致性；具体而言，利用预训练的单目深度估计模型预测每一张输入的单目估计深度图 在局部patch范围内通过最小二乘拟合获得缩放因子与偏移量，将其对齐为绝对深度以匹配NeRF渲染深度图 进一步引入NeRF渲染过程中估计的像素级深度不确定性值，构建如下损失函数： 其中：表示stop-gradient操作，不传回梯度；为自适应梯度屏蔽函数，高不确定区域的监督项梯度将被屏蔽； 子模块二包括从任意未见视角渲染出对应的RGB图像和深度图，并将输入预训练的单目深度估计器，获得伪深度图； 通过最小二乘法拟合获得缩放因子和偏移量；同时，结合从未见视角中渲染相应的不确定性图，设计不确定性感知的： ； 子模块三包括引入利用已优化的NeRF模型所蕴含的场景几何先验反向引导MDE模型进行自适应训练，从而增强MDE对绝对深度结构的建模能力； 设计了一个双分支的深度一致性损失：第一项为无尺度调整的绝对深度对齐项，用于提升MDE对场景尺度的建模能力；第二项为基于patch的尺度对齐一致性项，并引入NeRF渲染输出的像素级深度不确定性，以实现自适应权重调节； 对不确定性估计应用stop-gradient操作，损失函数如下： 其中，第一项为绝对深度对其项，表示在深度图上p像素的深度值，表示在深度图上p像素的深度值，表示stop-gradient操作，不传回梯度；第二项为融合不确定性感知尺度对齐一致性项，为渲染得到的像素级深度不确定性值； 通过最小二乘法拟合获得缩放因子和偏移量； 最后，将损失函数进行累加，得到了一次迭代深度不确定性的损失函数如下: 其中，设置为0.01、0.02、0.01。

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南京邮电大学，其通讯地址为：210000 江苏省南京市栖霞区文苑路9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。