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！

龙图腾网获悉南京大学申请的专利一种基于补丁匹配与轻量单目深度估计融合的实时动态三维重建方法和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：CN120070758B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510150059.7，技术领域涉及：G06T17/00；该发明授权一种基于补丁匹配与轻量单目深度估计融合的实时动态三维重建方法和系统是由姚遥;陈林卓;刘康杰;曹汛设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本一种基于补丁匹配与轻量单目深度估计融合的实时动态三维重建方法和系统在说明书摘要公布了：本发明公开了一种基于补丁匹配与轻量单目深度估计融合的实时动态三维重建方法和系统，所述方法对输入的多视角图像对进行PatchMatch匹配，获取稀疏深度信息，并与单目深度估计结果融合；将融合后的深度图用于构建三维高斯点云，实现高质量的三维场景重建与新视角渲染。整个过程采用端到端可微分的训练框架，通过优化像素级的高斯参数回归网络和轻量深度估计模型，提升了3D高斯点云在动态场景下的重建精度与渲染效率。本发明能够在短时间内完成训练和深度推断，适用于实时或近实时的应用场景，可广泛应用于虚拟现实、增强现实、影视制作等领域，特别适用于对多视角动态场景下目标的高效三维重建与新视角合成。

本发明授权一种基于补丁匹配与轻量单目深度估计融合的实时动态三维重建方法和系统在权利要求书中公布了：1.一种基于补丁匹配与轻量单目深度估计融合的实时动态三维重建方法，其特征在于，包括以下步骤： 步骤1，准备单目深度预测模型初始化补丁匹配PatchMatch和单目深度特征融合的卷积神经网络准备逐像素高斯参数预测模型所需的编码器Edepth和分别用于预测高斯点的旋转、尺度和不透明度的解码器 步骤2，输入训练图像对I1,I2和对应的位姿矩阵T1,T2，以及相机的内参矩阵K；其中I1,I2分别表示输入的第一张训练图像和第二张训练图像，T1,T2分别表示第一张训练图像I1对应的位姿矩阵和第二张训练图像I2对应的位姿矩阵； 步骤3，在图像对I1,I2的原始像素空间执行补丁匹配PatchMatch，分别得到I1,I2可匹配区域的稀疏深度图Dr1,Dr2，以及匹配置信度Sr1,Sr2； 步骤4，将图像对I1,I2分别输入单目深度预测模型中，得到I1的单目深度特征图和I2的单目深度特征图其中S为单目深度特征图的维数； 步骤5，将稀疏深度图Ir1,Dr2、匹配置信度Sr1,Sr2、单目深度特征图拼接为多通道输入，形成S+2×H×W维度的融合特征，并通过卷积神经网络对所述融合特征进行基于置信度的特征融合，输出全局尺度对齐后图像I1,I2的绝对深度图D1,D2；H,W分别为特征图的高和宽，稀疏深度图Dr1,Dr2和匹配置信度Sr1,Sr2需要通过双线性插值到单目深度特征图的高和宽以便合并； 步骤6，利用绝对深度图D1,D2，将二维参数抬升到三维空间，构建初步的3D高斯分布，并通过编码器Edepth和解码器得到逐像素的位置矩阵Mp、颜色矩阵Mc、旋转矩阵Mr、缩放矩阵Ms和不透明度矩阵Ma；高斯点的颜色矩阵从训练图像对I1,I2获取； 步骤7，通过体渲染分别得到相机位姿矩阵为T1,T2的视角下的图像C1,C2； 步骤8，重复步骤2到7，遍历两个以上时刻的图像对，更新卷积神经网络和高斯参数预测模型的参数，直到优化收敛。

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南京大学，其通讯地址为：215161 江苏省苏州市太湖大道1520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。