Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆大学刘骥获国家专利权

重庆大学刘骥获国家专利权

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!

龙图腾网获悉重庆大学申请的专利基于立方体网络模型的点云表面重建方法及系统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:CN115187749B

龙图腾网通过国家知识产权局官网在2025-09-05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:202210897729.8,技术领域涉及:G06T17/20;该发明授权基于立方体网络模型的点云表面重建方法及系统是由刘骥;冉雪梅;甘梦莲设计研发完成,并于2022-07-28向国家知识产权局提交的专利申请。

基于立方体网络模型的点云表面重建方法及系统在说明书摘要公布了:本发明公开了一种基于立方体网络模型的点云表面重建方法及系统,该方法对原始无序点云进行预处理,得到点云数据;将点云数据进行体素化,获取点云的初始立方体三角网格模型;采用内部体素判别,对初始立方体三角网格模型进行后处理;对经过后处理的立方体三角网格模型进行网格细分;将细分后的立方体三角网格模型收缩至原始点云,完成点云的表面重建。采用本技术方案,实现点云的快速收缩,完成点云表面重建。

本发明授权基于立方体网络模型的点云表面重建方法及系统在权利要求书中公布了:1.一种基于立方体网络模型的点云表面重建方法,其特征在于,包括如下步骤: 输入原始无序点云并进行预处理,得到点云数据; 将点云数据进行体素化,获取点云的初始立方体三角网格模型; 采用内部体素判别,对初始立方体三角网格模型进行后处理; 对经过后处理的立方体三角网格模型进行网格细分; 将细分后的立方体三角网格模型收缩至原始点云,完成点云的表面重建; 立方体三角网格模型网格细分的方法为: 在经过后处理的三角形网格模型T={V,F}的原始三角面片F的每条边上产生新的顶点坐标v'l'=x'l',y'l',z'l',x'l',y'l',z'l'均表示新的顶点坐标,l'为顶点下标; 将原始三角面片分割成4个新的三角面片,得到细分后生成的面片数据r'n'≠s'n'≠t'n',r'n',s'n',t'n'分别是组成三角面片的三个顶点的索引; 更新新顶点坐标V'和旧顶点坐标V: v=1-μDvv+μΦv Φv=v1+v2+…+vn,n=Dv 其中,εv'=vα+vβ,表示与新顶点v'在同一条边上的另外两个顶点位置坐标求和,vα、vβ分别表示与新顶点v'在同一条边上的另外两个顶点的坐标;表示与新顶点v'在同一面片上,相对的旧顶点位置坐标求和,vζ、vη分别表示与新顶点v'在同一面片上相对的旧顶点的坐标;Dv为顶点v的度数,Φv为旧顶点的邻居位置求和;μ为权重参数; 经过k次LoopSubdivision细分后的三角网格模型:Tk={Vk,Fk}, 其中,k表示细分的次数,Vk表示细分k次后的三角网格模型的顶点数据,由顶点坐标组成;Fk表示细分k次后的三角网格模型的面片数据,由构成三角面片的顶点索引组成;表示细分k次后的三角网格模型的某顶点数据,由顶点坐标组成;表示k次细分后的三角网格模型的面片数据,由构成三角面片的顶点索引组成;表示属于三维空间; 细分次数k的计算方法如下: k=CeilζFdMsn 其中,Msn为预设最大细分次数,为向上取整函数; 表示体素U'={u'i'}i'∈I'对应的在体素空间u'i'内的点云分布估计集合,可视为体素空间u'i'中点云数据的平整程度,表示体素空间u'i'中的点云分布估计值;当体素空间u'i'的点云分布越接近于一个平面,越接近于1;当体素空间u'i'的点云分布越杂乱,越接近于0; 其中,Sd=1,2,3…,表示细分容易程度,为预设参数,Sd越大函数ζFd∈[0,1]的初始斜率越大,越容易取得函数ζFd的最大值1,maxFd∈[0,1]表示取所有体素中最大的点云分布估计值; 点云分布估计值的计算方法为: 根据有序体素坐标集合有对应体素空间中的点云数据I表示点云数据P中所有点的集合,指体素划分后单个体素空间的点的集合,i″是单个体素空间中的点;pi″指点的数据,即三维坐标值i″是单个体素空间中的点;对所有i′∈I′求的并集,它的并集应该等于I,也就是点云中所有点的集合;对应体素空间中的点云分布估计值 对各体素空间中的点云数据零均值化得到 零均值化: 其中,表示点云数据零均值化后的值,meanPi′表示对体素坐标u′i′内的点云数据Pi′求取均值,零均值化后的协方差矩阵 点坐标按列优先排列,对协方差矩阵进行特征值分解得到特征值其对应特征向量分别为则初始点云分布估计 计算公式为: 最终点云分布估计的计算公式为: 在体素空间u′i′中的点云分布越趋向于平整的二维平面时,点云的分布估计越趋向于1,点云分布越散乱,越不平整时,越趋向于0,故可视作体素局部空间范围内点云平整度的估计值。

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重庆大学,其通讯地址为:400030 重庆市沙坪坝区沙正街174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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。