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！

龙图腾网获悉武汉大学申请的专利适用于行星探测车影像的深度学习三维稀疏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：CN116664855B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310587367.7，技术领域涉及：G06V10/40；该发明授权适用于行星探测车影像的深度学习三维稀疏重建方法及系统是由鄢建国;钟佳耿;李明设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本适用于行星探测车影像的深度学习三维稀疏重建方法及系统在说明书摘要公布了：本发明公开了一种适用于行星探测车影像的深度学习三维稀疏重建方法及系统，包括：步骤一，导入预处理后的行星探测车影像以及其他辅助数据；步骤二，对导入的每张影像进行关键点的提取与描述，得到包含有每张影像上的关键点的二维图像坐标以及对应的描述子的关键点集；步骤三，对关键点进行匹配，在互有重叠的影像中提取同名点，将错误的同名点剔除同时匹配上更多的正确的同名点；步骤四，利用关键点的坐标以及匹配所得的同名点对应关系，解算出精确物方三维点坐标以及相机的位置与姿态，进而恢复出地形的三维结构。本发明结合深度神经网络技术进行精确可靠的同名点提取用于稀疏三维重建，能够显著地提高行星地表三维重建的稳定性。

本发明授权适用于行星探测车影像的深度学习三维稀疏重建方法及系统在权利要求书中公布了：1.一种适用于行星探测车影像的深度学习三维稀疏重建方法，其特征在于，包括如下步骤： 步骤一，导入预处理后的行星探测车影像以及其他辅助数据； 步骤二，采用融合了注意力机制的深度卷积神经网络DPFeat，对导入的每张影像进行关键点的提取与描述，得到一个关键点集，其包含有每张影像上的关键点的二维图像坐标以及对应的描述子；所述步骤二中用于提取和描述关键点的深度卷积神经网络DPFeat，其主干网络将L2‑Net中的上采样层替换为了空洞卷积，图像在经过主干网络处理后会生成两个分支，一个用于生成关键点的图像坐标，另一个用于生成关键点对应的描述子，每一个分支都融合注意力机制，提高能起关键作用的特征图的权重，降低无关特征图的权重，实现对高维特征图的高效利用；DPFeat网络的两个分支在网络训练时分别通过损失函数进行监督，包括相似性损失、极值损失与可靠性损失； 相似性损失公式如下： 其中，和分别代表两张图像，代表两张图像之间同名点对应关系，代表一个图块，为网络生成的图像的关键点的概率图，代表图像关键点的概率图在根据变换后的概率图，函数通过余弦计算输入量的相似性，越大则说明越相似，为关键点的概率也越高，损失值就越低； 极值损失公式如下： 其中代表邻域大小，代表关键点概率图上横纵坐标分别为i和j的点的值，和函数分别用于求最大值和平均值，该点差异越大，则极值损失越小； 可靠性损失公式如下： 其中代表一批里图块的数量，代表可靠性图，代表可靠性图上横纵坐标分别为i和j的点的值，代表图块p上横纵坐标分别为i和j的点的值，为一个可微的用于监督学习描述子的函数； 步骤三，根据关键点的二维图像坐标以及描述子信息对关键点进行匹配，从而在互有重叠的影像中提取同名点，并且将错误的同名点剔除同时匹配上更多的正确的同名点； 步骤四，利用关键点的坐标以及匹配所得的同名点对应关系，解算出精确物方三维点坐标以及相机的位置与姿态，进而恢复出地形的三维结构。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。