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！

龙图腾网获悉哈尔滨工业大学申请的专利建筑群多尺度高效高精度数字孪生的多分辨率神经辐射场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：CN119783536B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411959727.2，技术领域涉及：G06F30/27；该发明授权建筑群多尺度高效高精度数字孪生的多分辨率神经辐射场方法是由徐阳;谢志强;李惠设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本建筑群多尺度高效高精度数字孪生的多分辨率神经辐射场方法在说明书摘要公布了：本发明提出建筑群多尺度高效高精度数字孪生的多分辨率神经辐射场方法。所述方法包括：步骤一：建筑群多视角表观图像采集与多分辨率数据集生成；步骤二：建立建筑群场景渲染颜色和体密度估计的多分辨率神经网络模型；步骤三：采用超分辨率增强体渲染技术，训练建筑群场景渲染和三维重建的多分辨率神经网络模型；步骤四：采用训练好的多分辨率神经网络模型进行多尺度建筑群场景渲染和新视图合成。所述方法实现了多尺度大规模建筑群场景的任意视角图像渲染、高效率高精度三维重建和数字孪生。

本发明授权建筑群多尺度高效高精度数字孪生的多分辨率神经辐射场方法在权利要求书中公布了：1.建筑群多尺度高效高精度数字孪生的多分辨率神经辐射场方法，其特征在于，所述方法包括以下步骤： 步骤一：建筑群多视角表观图像采集与多分辨率数据集生成； 所述步骤一具体包括以下步骤： 步骤一一：采集建筑群多视角表观图像数据，通过图像超分辨率生成模型处理，将目标场景的单一分辨率图像转化为多分辨率图像；对于采集到的图像数据，首先通过图像超分辨率模型SR将原始分辨率图像转化为高分辨率的图像，即，表示超分辨后的高分辨率图像，为采用的图像超分辨率预训练生成模型；然后通过对高分辨图像下采样划分出不同分辨率的图像数据；即： 其中，表示对图像进行下采样操作，表示图像的分辨率等级，为最高分辨率图像的分辨率等级； 步骤一二：对图像数据进行参数估计获取相机内外参，计算相机坐标到世界坐标的变换矩阵和相机相对位姿； 像素坐标系到相机坐标系的转换： 式中，为相机坐标系，为图像像素坐标系，K为相机的内参矩阵，分别是相机在和方向的焦距，是相机的主点坐标； 相机坐标系到世界坐标系的坐标转换： 式中，为世界坐标系，为从相机坐标系到世界坐标系的坐标转换矩阵，其包括旋转矩阵和平移向量； 步骤二：建立建筑群场景渲染颜色和体密度估计的多分辨率神经网络模型； 所述步骤二具体包括以下步骤： 步骤二一：进行重点特征目标区域标记的离散光线分段采样； 步骤二二：将不同分辨率图像作为输入，嵌入基于多分辨哈希编码的图像采样点位置特征向量、基于球谐编码的光线方向向量和图像外观编码，形成包含不同尺度信息的编码向量； 步骤二三：建立多分辨率神经网络模型，输出建筑群三维场景空间采样点的颜色和体密度值；将采样点的空间坐标、归一化方向向量和图像外观嵌入作为输入，建立多分辨率神经网络模型，输出每个采样点的颜色值和体密度值； 步骤三：采用超分辨率增强体渲染技术，训练建筑群场景渲染和三维重建的多分辨率神经网络模型； 所述步骤三具体包括： 步骤三一：采用体渲染技术生成建筑群多视角图像的像素点颜色预测值； 步骤三二：通过超分辨率模块生成高分辨增强图像； 步骤三三：通过边缘检测或语义分割算法提取特征边缘或目标区域，对自动选取的特征边缘或目标区域做采样增强，生成体渲染的特征边缘图或目标区域图； 步骤三四：计算L2范数损失加权和，以有监督学习的方式对建筑群场景渲染和三维重建的颜色和体密度估计神经网络进行训练； 步骤四：采用训练好的多分辨率神经网络模型进行多尺度建筑群场景渲染和新视图合成； 所述步骤四具体包括： 1选定相机中心，基于待渲染图像的分辨率设置光线数量，在光线上进行采样； 2将采样点空间坐标、方向向量作为输入，输入到已训练好的建筑群场景渲染和三维重建的多分辨率神经网络模型，输出每个采样点的颜色值和体密度值； 3结合体渲染和超分辨技术预测出不同分辨率下的图像像素点颜色值，实现多尺度新视角图像生成。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。