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！

龙图腾网获悉东南大学申请的专利基于深度学习的机场三维地图快速可视化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：CN115471623B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211147684.9，技术领域涉及：G06T17/05；该发明授权基于深度学习的机场三维地图快速可视化方法是由王庆;张锐;谭镕轩;冯悠扬;阳媛设计研发完成，并于2022-09-19向国家知识产权局提交的专利申请。

本基于深度学习的机场三维地图快速可视化方法在说明书摘要公布了：本发明提出了基于深度学习的机场三维地图快速可视化方法，在未知环境下，载体在运动的过程中通过单目摄像头采集周围环境的彩色图像，在图像中提取特征点配准计算出自身的运动变换，然后将图像和位姿输入到深度学习网络中，得到每个图像的深度图，最后通过将所有深度图的点融合得到稠密的三维可视化地图，本发明提供一种基于深度学习的快速三维可视化方法。针对现有三维模型建立方法设备昂贵、需要耗费大量人力物力成本的问题，利用低成本的摄像机代替昂贵的设备，仅需要采集足够图像数据，即可重建三维地图模型。针对摄像头难以重建弱纹理的场景、重建时间长的问题，引入深度学习快速获取稠密的三维可视化模型。

本发明授权基于深度学习的机场三维地图快速可视化方法在权利要求书中公布了：1.基于深度学习的机场三维地图快速可视化方法，其特征在于：包括如下步骤： S1.将单目摄像头获取的彩色图像传送到处理器，解算出载体的位移和姿态信息； 所述的步骤S1中，包括以下步骤： S11.图像特征点提取； S12.特征点匹配，并计算位置和姿态； 所述的步骤S11中,包括以下步骤：图像中提取SIFT特征点，进行匹配得到不同图像中的对应特征点； 所述的步骤S12中，包括以下步骤：计算基础矩阵F，利用基础矩阵F和摄像头内参求解本质矩阵E，分解本质矩阵E得到摄像头的位置t和姿态R： S2.将彩色图像和位移以及姿态信息输入到深度学习网络中，得到每个图像的深度图； 所述的步骤S2中，包括以下步骤： S21.将多视图图像输入到设计的端到端深度学习架构； S3.根据位移和姿态信息将深度图中的三维点融合，得到稠密的三维可视化地图； 所述的步骤S3中，包括以下步骤： S31.根据位置和姿态，将深度图中的点转换到世界坐标系中； S32.将转换后的点融合得到三维可视化地图； 所述步骤S3根据位移和姿态信息将深度图中的三维点融合，得到稠密的三维可视化地图，具体步骤如下； 1）深度特征提取； 经过视角选择之后,输入已经配对的N张影像,即参考影像和候选集，首先利用一个八层的二维卷积神经网络提取立体像对的深度特征F，输出32通道的特征图； 2）深度估计； 网络训练方MVSNet的深度估计是通过神经网络直接学习的； 网络训练方法是，输入代价体V和对应深度图真值，利用SoftMax回归每一个像素在深度θ处的概率，得到一个表示参考影像每个影像沿深度方向置信度的概率体P以此完成从代价到深度值的学习过程，置信度最高的那个深度值即为当前像素点的深度； 3）深度图融合； 离群点剔除 对于每张图像中的深度点投影到其它图像中，如果和其它图像中的对应点深度相似则认为该点准确，如果和所有图像都不相似则为离群点，剔除： ； 其中q为当前图像i中的点的坐标，p为投影到图像j中的点的坐标，为相机内参，为图像i和图像j之间的位姿； 深度图融合 将每幅图像中的点投影到世界坐标系中的一个点云中： ； 其中为第i幅图像到世界坐标系的位姿，为当前图像坐标系中的点，为转换到世界坐标系下的点。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。