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！

龙图腾网获悉西安电子科技大学;中远海运绿色数智船舶服务有限公司申请的专利一种基于深度学习的船舶发动机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：CN121147420B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511690974.1，技术领域涉及：G06T17/00；该发明授权一种基于深度学习的船舶发动机三维重建方法是由任效江;王建荣;陆旭昇;孙超;杜守志;黄胜乾;盛凯设计研发完成，并于2025-11-18向国家知识产权局提交的专利申请。

本一种基于深度学习的船舶发动机三维重建方法在说明书摘要公布了：本发明公开了一种基于深度学习的船舶发动机三维重建方法，属于计算机视觉技术领域，包括：从张图像中获取包含参考图像和邻近图像的张输入图像；将张输入图像分别输入预先训练的DAS‑MVSNet网络，使其执行如下步骤：将各输入图像依次输入特征提取模块、Deep‑ASPP模块和卷积层Conv1，得到张第一特征图；通过建立参考相机视角并在其视椎体内的光心方向上均匀采样，形成多个不同深度的平面，将每个第一特征图映射到多个不同深度的平面，生成个特征体；将个特征体聚合为单一代价体后，输入至四尺度3D卷积神经网络，得到优化深度图；直至遍历所有图像后，基于优化深度图生成点云模型。本发明提高了三维重建的精度和完整度。

本发明授权一种基于深度学习的船舶发动机三维重建方法在权利要求书中公布了：1.一种基于深度学习的船舶发动机三维重建方法，其特征在于，包括： 依次以张图像中的每一张图像作为参考图像，并从剩余的张图像中选取邻近图像，得到包含一张参考图像和多张邻近图像在内的张输入图像；所述张图像为环绕所述船舶发动机拍摄的图像； 将所述张输入图像输入预先训练的DAS-MVSNet网络，以使DAS-MVSNet网络执行如下步骤： 将各输入图像依次输入特征提取模块、Deep-ASPP模块和卷积层Conv1，得到张第一特征图； 通过建立参考相机视角并在其视椎体内的光心方向上均匀采样，形成多个不同深度的平面，将每个所述第一特征图映射到所述多个不同深度的平面，生成个特征体； 将所述个特征体聚合为单一代价体后，输入至U-Net架构的四尺度3D卷积神经网络，得到优化深度图； 直至遍历所述张图像后，基于得到的张优化深度图生成点云模型； 依次以张图像中的每一张图像作为参考图像，并从剩余的张图像中选取邻近图像，得到包含一张参考图像和多张邻近图像的张输入图像的步骤，包括： 依次以张图像中的每一张图像作为参考图像，并分别计算剩余的张图像与所述参考图像之间的得分： ； 其中， ； ； 式中，表示参考图像与剩余的张图像中的第张图像的共视点，，表示图像对的得分，表示共视点分别与所述参考图像、所述第张图像对应的相机中心、连线所形成的夹角，称为基线角，表示理想的基线角，，表示以变量为中心的分段高斯函数，、均表示对于偏离的变量的惩罚力度，，； 选取所述剩余的张图像中与所述参考图像之间得分最高的两张图像作为邻近图像； 通过建立参考相机视角并在其视椎体内的光心方向上均匀采样，形成多个不同深度的平面，将每个所述第一特征图映射到所述多个不同深度的平面，生成个特征体的步骤，包括： 以所述参考图像的视角为参考相机视角，在其视椎体内的光心方向上均匀采样，形成个不同深度的平面； 针对每个所述第一特征图，分别在所述个不同深度的平面上进行可微单应性变换，得到该第一特征图对应的特征体； 针对每个所述第一特征图，分别在所述个不同深度的平面上进行可微单应性变换，得到该第一特征图对应的特征体的步骤，包括： 针对每个所述第一特征图，通过单应性矩阵将其映射至参考相机视角下深度为的平面： ； 式中，表示在齐次坐标下相等，表示第张输入图像对应的第一特征图与所述参考相机视角下深度为的平面之间的单应性矩阵，表示第一特征图经可微单应性变换在参考相机视角下深度为的平面上得到的第二特征图，； 组合所述第一特征图经可微单应性变换得到的所有第二特征图，得到该第一特征图对应的特征体； 按照如下公式计算： ； 式中，表示所述参考图像对应的相机内参矩阵，表示第张输入图像对应的相机内参矩阵，、分别表示所述参考图像对应的相机外参中的旋转矩阵和平移矩阵，、分别表示第张输入图像对应的相机外参中的旋转矩阵和平移矩阵，表示所述参考相机视角的主轴方向，，表示转置，表示单位矩阵。

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电子科技大学;中远海运绿色数智船舶服务有限公司，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。