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！

龙图腾网获悉清华大学申请的专利一种面向室内场景三维语义分割的虚拟视图选择方法和装置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：CN116012387B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202211679787.X，技术领域涉及：G06T7/10；该发明授权一种面向室内场景三维语义分割的虚拟视图选择方法和装置是由穆太江;沈铭远设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本一种面向室内场景三维语义分割的虚拟视图选择方法和装置在说明书摘要公布了：本发明提供一种面向室内场景三维语义分割的虚拟视图选择方法和装置。利用基于体素的三维深度学习网络对三维室内场景进行初步语义分割，得到三维场景的特征向量和语义分割结果；利用特征向量和初始分割结果，利用深度强化学习的方法，训练不确定度打分网络，估计场景各处的不确定度；根据场景的不确定度选择合适的虚拟视图取景区域，从恰当角度渲染虚拟视图；用虚拟视图和原三维场景三维信息结合，得到三维室内场景的语义分割结果。本发明在优化三维室内场景语义分割结果的过程中，利用深度强化学习监督了场景不确定度的生成，同时引入了虚拟视图渲染方法，保证了原本分割结果较差的位置上有更多的信息，使得三维室内场景语义分割的准确性显著提高。

本发明授权一种面向室内场景三维语义分割的虚拟视图选择方法和装置在权利要求书中公布了：1.一种面向三维场景语义分割的虚拟视图选择方法，其特征在于，所述方法包括： 利用基于体素的三维深度学习网络对三维室内场景进行初步语义分割，得到室内场景的特征向量和初始语义分割结果； 利用所述特征向量和所述初始语义分割结果，利用深度强化学习的方法，训练不确定度打分网络，估计场景各处的不确定度；其中，输入是所述特征向量和所述初始语义分割结果，输出是室内场景的不确定度分布图； 根据所述场景的不确定度选择合适的虚拟视图取景区域，从恰当角度渲染虚拟视图；其中，对每个区域的总不确定度进行排序，选取总不确定度高的部分区域为合适的虚拟视图取景区域； 结合所述虚拟视图和原三维场景三维信息，优化三维室内场景的初始语义分割结果； 利用基于体素的三维深度学习网络对三维室内场景进行初步语义分割，得到三维场景的特征向量和初始语义分割结果，包括： 将所述三维场景的点云进行体素化，得到以5厘米为边长的体素构成的三维场景几何表示； 将所述体素输入一个基础三维语义分割网络骨架，得到该场景的几何特征向量； 将所述场景的几何特征向量输入基础三维语义分割网络的分类器，得到所述场景的初始语义分割结果； 根据所述特征向量和初始语义分割结果，利用深度强化学习的方法，训练不确定度打分网络，估计场景各处的不确定度，包括： 建立一个3D-UNet架构的三维不确定度打分网络，其输入所述三维场景的特征向量和初始语义分割结果，输出是所述场景的不确定度分布图； 利用所述三维场景的语义分割人为标注的真实标签，和所述场景的初始语义分割结果进行比较，用以监督不确定度打分网络； 利用所述三维场景的语义分割人为标注的真实标签，和所述场景的初始语义分割结果进行比较，用以监督不确定度打分网络，包括： 随机初始化不确定度打分网络权值； 对场景S，所述不确定度打分网络输出场景各体素的不确定度； 随机地将场景各个区域赋值0或1，选取所有赋值为1的区域，对选取区域进行虚拟视图选择和渲染； 根据所述虚拟视图分割与结合方法得到二维三维联合分割结果； 比较和上一次循环的联合分割结果，计算得到强化学习的激励项Reward； 使用所述激励项Reward更新不确定度打分网络权值； 对场景S重复上述过程。

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清华大学，其通讯地址为：100084 北京市海淀区双清路30号清华大学清华园北京100084-82信箱；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。