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！

龙图腾网获悉西安工业大学申请的专利一种融合激光雷达、视觉与惯性信息的高光谱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：CN120852638B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202510745869.7，技术领域涉及：G06T17/00；该发明授权一种融合激光雷达、视觉与惯性信息的高光谱三维重建方法是由黄玉婷;邢嘉安;梁海锋;王倩;卞一辰设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本一种融合激光雷达、视觉与惯性信息的高光谱三维重建方法在说明书摘要公布了：本发明涉及一种融合激光雷达、视觉与惯性信息的高光谱三维重建方法，主要用于解决使用高光谱深度传感器结合高光谱信息与深度数据，融合配准缺少同步机制，难以实现时空对齐，实时性与通用性差，并且无法在设备运动状态下进行数据采集的技术问题。本发明一种融合激光雷达、视觉与惯性信息的高光谱三维重建方法，通过融合工业相机、激光雷达与惯性测量单元IMU采集多源数据，重建目标场景的三维RGB点云模型；提取三维RGB点云模型中每个点的RGB信息和几何结构信息，扩展RGB通道，将扩展通道后得到的光谱信息映射到几何结构信息上，生成高光谱三维点云模型。

本发明授权一种融合激光雷达、视觉与惯性信息的高光谱三维重建方法在权利要求书中公布了：1.一种融合激光雷达、视觉与惯性信息的高光谱三维重建方法，其特征在于，包括以下步骤： 步骤1、重建三维RGB点云模型步骤11、使用工业相机采集目标场景的图像，使用激光雷达采集目标场景的原始点云，使用IMU采集激光雷达及工业相机的位姿数据； 步骤12、对工业相机与激光雷达进行空间对齐； 步骤13、基于PPS脉冲信号与GPRMC数据实现激光雷达和工业相机时间同步； 步骤14、激光雷达结合IMU，采用紧耦合的方式逐帧建图；同时工业相机结合IMU，获取当前帧的RGB信息，将RGB信息投影至当前帧原始点云；直至遍历所有帧，获得目标场景包含RGB信息的全局地图，即RGB三维点云模型； 步骤2、重建高光谱三维点云模型步骤21、提取全局地图中每个点的RGB信息和几何结构信息，并将RGB信息和几何结构信息映射至二维图像中，组成图片；其中N为点云的总个数； 步骤22、通过深度学习方法对图片进行光谱重构，将每个像素对应的RGB的3通道扩展为U通道，获得高光谱图像； 步骤23、使用ARAD‑HS数据集对高光谱图像进行训练； 步骤24、将训练后高光谱图像中的光谱信息映射到几何结构信息上，生成高光谱三维点云模型，完成高光谱三维重建； 所述步骤22具体为： 步骤221、深度学习方法采用MST++方法，包括级联的多个单阶段SST；每个SST采用U形结构，包括编码器、瓶颈层和解码器； 图片对应的RGB图像为，将RGB图像输入到一个3×3的卷积层，实现特征嵌入，生成初始特征图X0； 步骤222、编码器包括步长为4的4×4第一卷积层、个光谱注意力块SABs、步长为4的4×4的第二卷积层、步长为4的4×4的第三卷积层、个光谱注意力块SABs，依次对初始特征图X0进行第一次下采样、第一次光谱特征提取、第二次下采样、第三次下采样和第二次光谱特征提取，获得第一特征图，并输出至瓶颈层； 步骤223、瓶颈层包括个光谱注意力块SABs，依次对第一特征图进行光谱特征提取，获得第二特征图，并输出至解码器； 步骤224、解码器与编码器为对称结构，包括第一反卷积层、第二反卷积层、第三反卷积层，依次对第二特征图进行上采样；第一反卷积层、第二反卷积层、第三反卷积层同时还与第一卷积层、第二卷积层、第三卷积层跳跃连接，融合编码器的特征；第三反卷积层的输出通道数量U为31，输出重建的高光谱图像；所述高光谱图像覆盖波长范围为400–700nm，光谱分辨率为10nm；H为图像高度，W为图像宽度。

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西安工业大学，其通讯地址为：710032 陕西省西安市金花北路4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。