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！

龙图腾网获悉中国矿业大学申请的专利一种基于激光视觉的多特征三维重建3D高斯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：CN121190660B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511274484.3，技术领域涉及：G06T17/00；该发明授权一种基于激光视觉的多特征三维重建3D高斯方法是由张秋昭;郑文;郭建业;王文达;郑南山;段伟设计研发完成，并于2025-09-08向国家知识产权局提交的专利申请。

本一种基于激光视觉的多特征三维重建3D高斯方法在说明书摘要公布了：一种基于激光视觉的多特征三维重建3D高斯方法，包括：通过时空标定对齐激光雷达点云与相机图像，建立统一的坐标系；利用Lidar点云获取到的点云数据提取几何特征，根据Lidar点云进行高斯椭球的初始化；结合平均绝对误差L1和结构相似度SSIM优化渲染图像与真实图像的亮度、对比度和结构相似性；强制K近邻的高斯椭球曲率一致以及对齐高斯椭球长短轴与线、面特征，减少几何失真；通过Lidar提取的线面特征和视觉结构信息，动态调整3D高斯的分布密度，实现几何细节增强与计算效率的平衡。本发明统一优化了高斯的位置、尺度和旋转参数，提升模型结构的一致性的同时平衡了模型的细节与计算效率。

本发明授权一种基于激光视觉的多特征三维重建3D高斯方法在权利要求书中公布了：1.一种基于激光视觉的多特征三维重建3D高斯方法，其特征在于，包括如下步骤： S1、3D高斯初始化：通过时空标定对齐激光雷达点云与相机图像，建立统一的坐标系；利用Lidar点云获取到的点云数据提取几何特征，根据Lidar点云进行高斯椭球的初始化； S2、建立光度一致性与几何一致性约束：结合平均绝对误差L1和结构相似度SSIM优化渲染图像与真实图像的亮度、对比度和结构相似性；强制K近邻的高斯椭球曲率一致以及对齐高斯椭球长短轴与线、面特征，减少几何失真； S3、结合高斯椭球线、面特征进行自适应密度控制：通过Lidar提取的线面特征和视觉结构信息，动态调整3D高斯的分布密度，实现几何细节增强与计算效率的平衡； 所述S2的具体过程为： S2.1、3D高斯通过投影变换到2D平面，按深度排序后通过混合计算像素颜色： ； 其中，是第i个高斯的颜色，用于控制透明度，是投影后的2D高斯函数，设为输出的渲染图像，为视觉获取到的图像，光度一致性约束模块通过最小化平均绝对误差L1和结构相似度SSIM误差优化高斯参数，其中L1误差用于计算渲染像素与真实像素之间的绝对差异，公式如下： ； 其中，N为像素总数； 结构相似度SSIM误差的公式如下： ； 其中，为均值，为标准差，为稳定常数，D-SSIM的损失定义为： ； 其中，分别代表在特定视角3D高斯渲染的图像和真实图像，定义为： ； 其中，用于衡量3D高斯模型渲染出来的图像与真实的参考图像之间的差异，为超参数，取； S2.2、建立几何一致性约束：强制对齐高斯椭球长短轴以及近邻曲率，提升高斯椭球的几何分布，具体过程为： S2.2-1、建立平面约束与线约束：其中，平面特征约束的构建过程为： 设Lidar点的邻域点集为，计算邻域点的质心： ； 构建协方差矩阵： ； 对协方差矩阵C进行特征值分解，解方程： ； 其中，为特征向量，为单位矩阵，得到特征值：，若满足，且，则认为该邻域点所属点云为一个平面，其中为超参数，根据实际场景进行调整； 线性特征约束的构建过程为：以平面特征约束构建的方法同样对Lidar点构建协方差矩阵并进行特征值分解，得到特征值：，若满足，且，则认为邻近点所属点云为一条线，其中为超参数，根据实际场景进行调整； 设Lidar点的法向量为，定义高斯椭球的短轴为高斯椭球的法向量，对于平面高斯椭球，通过最小化为高斯椭球法向量之间的差异对齐点云表面，具体为： 对于一个Lidar点属于面特征，其协方差矩阵由其邻域点计算得到，协方差矩阵的特征分解表示为： ； 其中，是旋转矩阵，其列向量是特征向量，表示椭球的主方向，为其中最小的方向向量，为对角矩阵，对角线元素是特征值，表示高斯椭球沿三个轴方向的放缩大小的方差，平面损失通过对齐Lidar点法向量与高斯椭球法向量实现高斯椭球的几何优化，平面损失定义如下： ； 其中，为一个极小值，用以保证分母不为0，，分别为高斯椭球法向量和平面法向量的范数，其计算公式分别为： ； 其中，、、分别表示高斯椭球法向量在三个轴上的分量，、、分别表示平面法向量在三个轴上的分量； 对于一个属于线特征的点，设线点方向向量其协方差矩阵由其邻域点计算得到，协方差矩阵的特征分解表示为： ； 其中，是旋转矩阵，其列向量是特征向量，表示椭球的主方向，为其中最大的方向向量，高斯椭球的长轴方向向量定义为，为对角矩阵，线损失通过对齐拉伸长椭球主轴方向与线点云方向优化高斯椭球，减少几何失真，线损失的定义如下： ； 其中，为一个极小值，用以保证分母不为0； S2.2-2、通过约束高斯椭球曲率光滑模型构建曲率一致性约束：对于Lidar中既非平面点又非线点的Lidar点云，采取最小化k个高斯椭球曲率差异光滑模型减少模糊，具体为： 对于既非平面点又非线的Lidar点，以为几何中心的高斯椭球的三个主轴由其协方差C分解得到，同样的，协方差矩阵的特征分解表示为： ； 其中，为对角矩阵，设为对角矩阵上的三个特征值，联合与，求解：，即，高斯椭球的三个主轴长度为，令，对于曲率一致性，只约束最短轴方向的高斯椭球曲率，曲率的计算公式为： ； 设当前的高斯椭球的三个主轴长度为，最近邻k个高斯椭球的尺度参数为，其中，； 当前点的曲率为：，邻域点的曲率为：，曲率差异为： 为减少离群值的影响，采取Huber损失形式，对曲率差异进行鲁棒惩罚，表达式如下： 通过自适应权重加权不同区域曲率差异，邻域尺度越小即几何越敏感，权重越大，具体过程为： 过滤无效尺度： 其中，为指示函数，为逻辑与运算符，表示第个高斯椭球的第个邻居椭球第2主轴和第3主轴； 基于邻域尺度稳定性进行权重分配： 对曲率差异进行加权损失：； 对所有点和邻域取平均，最终的曲率一致性损失为：； 最终的几何损失通过加权平面约束、线约束与曲率一致性约束，定义为： ； 其中，为超参数，根据实际情况调整； 最终总的损失函数定义为光度一致性损失和几何一致性损失的和，即： 。

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国矿业大学，其通讯地址为：221000 江苏省徐州市铜山区大学路1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。