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！

龙图腾网获悉佛山市中科农业机器人与智慧农业创新研究院申请的专利一种面向林区场景的单目全景视觉三维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：CN119027593B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411188074.2，技术领域涉及：G06T17/00；该发明授权一种面向林区场景的单目全景视觉三维重建方法是由陈松楠设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本一种面向林区场景的单目全景视觉三维重建方法在说明书摘要公布了：本申请涉及林区三维重建领域，具体涉及一种面向林区场景的单目全景视觉三维重建方法。其通过单目全景相机采集林区全景图像，并采用基于深度学习的图像处理技术对林区全景图像进行图像分析，分别提取出林区全景图像的浅层细节特征和深层语义特征，进而基于其浅层特征与深层特征之间的双向依赖关系，对其深浅特征进行优化融合，以实现对林区全景图像的多层次联合感知，从而智能预测出林区全景图像各个位置的深度信息，以此来对其进行三维重建。这样，可以有效地降低三维重建的设备成本，简化系统部署，同时提高在复杂林区环境中的三维重建效率和准确性，为林业资源的精准监测、智能机器人导航和作业提供有力的支持。

本发明授权一种面向林区场景的单目全景视觉三维重建方法在权利要求书中公布了：1.一种面向林区场景的单目全景视觉三维重建方法，其特征在于，包括： 获取由单目全景相机采集的林区全景图像； 对所述林区全景图像进行多层次特征提取以得到林区全景浅层特征图和林区全景深层语义特征图； 将所述林区全景浅层特征图输入特征分布梯度掩码显著器以得到林区全景浅层显著特征图； 基于所述林区全景深层语义特征图和所述林区全景浅层显著特征图的联合感知信息，生成林区图像的深度信息解码值，具体包括： 对所述林区全景深层语义特征图和所述林区全景浅层显著特征图进行联合感知以得到林区全景浅层-深层显著联合感知特征图，其中，将所述林区全景深层语义特征图和所述林区全景浅层显著特征图输入基于注意力机制的显著联合感知模块以得到所述林区全景浅层-深层显著联合感知特征图，具体包括： 对所述林区全景浅层显著特征图和所述林区全景深层语义特征图进行特征形状重塑以得到林区全景浅层特征形状重塑矩阵和林区全景深层语义特征形状重塑矩阵； 将所述林区全景浅层特征形状重塑矩阵和所述林区全景深层语义特征形状重塑矩阵输入特征逐通道交互感知模块以得到林区全景浅层细节-深层语义依赖关系矩阵和林区全景深层语义-浅层细节依赖关系矩阵； 将所述林区全景浅层细节-深层语义依赖关系矩阵和所述林区全景深层语义-浅层细节依赖关系矩阵输入随机失活模块以得到剪枝化林区全景浅层细节-深层语义依赖关系矩阵和剪枝化林区全景深层语义-浅层细节依赖关系矩阵； 基于所述剪枝化林区全景浅层细节-深层语义依赖关系矩阵和所述剪枝化林区全景深层语义-浅层细节依赖关系矩阵，对所述林区全景深层语义特征形状重塑矩阵和所述林区全景浅层特征形状重塑矩阵进行特征优化以得到依赖关系优化林区全景深层语义特征矩阵和依赖关系优化林区全景浅层特征矩阵； 对所述依赖关系优化林区全景浅层特征矩阵和所述依赖关系优化林区全景深层语义特征矩阵进行特征形状重塑以得到优化林区全景浅层显著特征图和优化林区全景深层语义特征图； 计算所述优化林区全景浅层显著特征图和所述优化林区全景深层语义特征图的加权和以得到所述林区全景浅层-深层显著联合感知特征图； 将所述林区全景浅层-深层显著联合感知特征图输入基于解码器的深度估计模块以得到所述深度信息解码值； 基于所述深度信息解码值，将所述林区全景图像投射到三维空间以得到林区场景三维模型； 将所述林区全景浅层-深层显著联合感知特征图输入基于解码器的深度估计模块以得到所述深度信息解码值，包括步骤：对所述林区全景浅层-深层显著联合感知特征图的所有特征值进行基于特征值间L2距离的聚类，并将聚类特征排列为林区全景浅层-深层显著联合感知聚类向量；确定所述林区全景浅层-深层显著联合感知聚类向量的特征值数目与所述林区全景浅层-深层显著联合感知特征图的特征值数目的聚类比例值；将所述林区全景浅层-深层显著联合感知聚类向量的二范数除以所述林区全景浅层-深层显著联合感知特征图展开后得到的林区全景浅层-深层显著联合感知特征向量的二范数以获得林区全景浅层-深层显著联合感知冲突表示值；将所述林区全景浅层-深层显著联合感知聚类向量的一范数以所述聚类比例值为指数的第一幂值除以所述林区全景浅层-深层显著联合感知特征向量的一范数以所述聚类比例值为指数的第二幂值以获得林区全景浅层-深层显著联合感知对抗表示值；对于所述林区全景浅层-深层显著联合感知聚类向量的每个特征值，将其乘以所述林区全景浅层-深层显著联合感知冲突表示值与所述林区全景浅层-深层显著联合感知对抗表示值之差的倒数以获得所述林区全景浅层-深层显著联合感知聚类向量的优化的特征值；对于所述林区全景浅层-深层显著联合感知特征图中聚类以外的每个特征值，将其乘以所述林区全景浅层-深层显著联合感知冲突表示值与所述林区全景浅层-深层显著联合感知对抗表示值之和的倒数以获得所述林区全景浅层-深层显著联合感知特征图的优化的类外特征值；将所述林区全景浅层-深层显著联合感知聚类向量的优化的特征值和所述林区全景浅层-深层显著联合感知特征图的优化的类外特征值组成优化的林区全景浅层-深层显著联合感知特征图；将所述优化的林区全景浅层-深层显著联合感知特征图输入所述基于解码器的深度估计模块以得到所述深度信息解码值； 通过将所述林区全景浅层-深层显著联合感知聚类向量的特征值数目相对于所述林区全景浅层-深层显著联合感知特征图的特征值数目的聚类比例作为判决函数，来进行所述林区全景浅层-深层显著联合感知聚类向量和所述林区全景浅层-深层显著联合感知特征向量的一范数的集合绝对表示的对抗式判决，并分别与所述林区全景浅层-深层显著联合感知聚类向量和所述林区全景浅层-深层显著联合感知特征向量的二范数的聚类内在冲突表示进行正负交互，来构建所述优化后的林区全景浅层-深层显著联合感知特征图基于聚合特征的与原特征集合整体的坚固的对齐护栏，从而实现所述优化后的林区全景浅层-深层显著联合感知特征图基于聚合风险可迁移性的有害信息损失意图缓解，提升所述优化后的林区全景浅层-深层显著联合感知特征图的表达效果。

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佛山市中科农业机器人与智慧农业创新研究院，其通讯地址为：528000 广东省佛山市南海区桂城街道大圩社区永安北路2号金谷智创产业社区A座第六层605；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”。