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！

龙图腾网获悉深圳市森歌数据技术有限公司;广东省林业调查规划院申请的专利一种基于NeRF与GS联合优化的三维森林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：CN120510307B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202511000512.2，技术领域涉及：G06T17/00；该发明授权一种基于NeRF与GS联合优化的三维森林重建方法是由孟先进;周皓然;杨超裕;薛亚东;姜杰;黄宁辉;陆国锋;叶绍泽设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本一种基于NeRF与GS联合优化的三维森林重建方法在说明书摘要公布了：本发明公开了一种基于NeRF与GS联合优化的三维森林重建方法，属于图像数据处理领域，包括构造数据集D；构造改进NeRF网络；构造损失函数并训练为模型MNeRF；基于MNeRF、综合权重和GS生成高斯点集；构造联合优化总损失，并以最小化调整改进NeRF网络和高斯点集的参数，得到联合优化模型，并基于联合优化模型生成渲染图像。本发明通过密度梯度感知与基于综合权重的采样策略，减少采样点时保证高密度区域的精度；通过语义标签指导精确建模；通过NeRF与GS的结构对齐和联合优化，不仅能克服NeRF推理速度上的瓶颈问题，同时避免了GS因缺乏语义引导而丧失细节的问题，为移动端快速森林浏览与三维交互提供技术保障。

本发明授权一种基于NeRF与GS联合优化的三维森林重建方法在权利要求书中公布了：1.一种基于NeRF与GS联合优化的三维森林重建方法，其特征在于，包括以下步骤； S1，构造数据集D； 获取森林中待重建场景的多视角图像，对图像按类别进行像素级语义标注，类别总数为K，将标注后的图像作为样本，所有样本构成数据集D； S2，构造一改进NeRF网络； 获取一NeRF网络，其输入为一空间点的5D向量，包括3D坐标和2D视角，输出为该空间点的颜色和体密度； 拓展NeRF网络，在输入中增加空间点所属类别的语义编码，输出中增加空间点的类别概率分布，并在体渲染时基于体密度引导方法生成采样点，得到改进NeRF网络，所述语义编码由语义标注编码得到； S3，构造改进NeRF网络的损失函数Ltotal，并用数据集D以最小化Ltotal训练至收敛，得到待重建场景的NeRF模型MNeRF，其中空间点构成点集A1； Ltotal=LNeRF+Lsem， LNeRF为改进NeRF网络的渲染损失，Lsem为基于改进NeRF网络重建图像中像素点的语义损失； S4，基于MNeRF、综合权重和高斯溅射方法生成高斯点集G； S41，计算A1中每个空间点的综合权重，空间点p的综合权重wp根据下式计算； ， 式中，σp为空间点p的体密度，∇为梯度算子、为L2范数； S42，对A1基于综合权重随机采样K个空间点，构成点集A2； S43，将A2中每个空间点基于高斯溅射方法生成高斯球，在生成A2中第k个空间点pk的高斯球Gk时，Gk的中心位置、颜色和不透明度分别为pk的3D坐标、颜色和不透明度； S44，将K个高斯球构成高斯点集G，并基于高斯点集G进行渲染，得到渲染图像； S5，构造联合优化总损失； ， ， 式中，LGS为高斯点集G的渲染损失，Lalign为结构对齐损失，λNeRF、λGS、λalign、λsem分别为LNeRF、LGS、Lalign、Lsem的权重，为指向pk的射线上体密度最大的采样点的3D坐标，μk为Gk的中心位置； S6，用数据集D以最小化调整改进NeRF网络和高斯点集G的参数，得到联合优化模型，并基于联合优化模型生成渲染图像。

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深圳市森歌数据技术有限公司;广东省林业调查规划院，其通讯地址为：518001 广东省深圳市罗湖区东晓街道东晓社区太白路3008号悦彩城(北地块)写字楼1302；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”。