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！

龙图腾网获悉淮阴工学院申请的专利一种基于深度学习的多视角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：CN115496857B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211177730.X，技术领域涉及：G06T17/00；该发明授权一种基于深度学习的多视角三维重建方法是由胡荣林;付浩志;陆文豪;邵逸达;徐贵龙;魏福;邵鹤帅;王媛媛;董甜甜;张海艳;冯万利设计研发完成，并于2022-09-22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多视角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多视角三维重建方法，包括：利用相机对重建目标进行多角度图像采集并选取一张图像作为参考图像；将采集的图像输入图像特征提取模块生成对应的特征图；通过单应性变换算法将特征图转换成参考图像视角下的特征图，并通过逐像素计算图像一致性构建代价体；将构建的代价体输入代价体正则化模块生成参考图像的稀疏深度图；将稀疏深度图输入深度图细化模块生成稠密深度图；根据稠密深度图生成重建目标的空间点云结构，实现三维重建。上述方法是一种基于图像的深度学习重建方法，具有较高稳定性，不受光照强度等环境因素影响，重建效果好，并采用端到端的重建方式，提高了重建效率。

本发明授权一种基于深度学习的多视角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多视角三维重建方法，其特征在于，所述三维重建方法包括如下步骤： 步骤1：对照相机进行标定得到相关参数，并利用照相机从不同角度对需要重建的物体进行图像采集，所述图像包括一张参考图像和数张源图像； 步骤2：搭建图像特征提取模块，通过图像特征提取模块提取步骤1中图像的特征，得到特征图； 所述图像特征提取模块包括4个降采样层和4个Block组块，4个降采样层均采用一个步长为2的卷积层后接一个批正则化层，分别命名为Conv0、Conv1、Conv2、Conv3；Block组块中采用一个空洞卷积层，后接两个卷积层以及激活函数和批正则化层，分别命名为Block0、Block1、Block2、Block3，图像特征提取模块的整体连接方式为：输入-Conv0-Block0-Conv1-Block1-Conv2-Block2-Conv3-Block3-输出； 步骤3：设计基于特征图的单应性变换算法，将步骤2中得到特征图进行单应性变换和相似度计算，构建代价体，对代价体进行全局方差操作得到概率体； 步骤4：搭建代价体正则化模块，对步骤3中的概率体进行正则化和回归操作，得到参考图像的稀疏深度图； 所述代价体正则化模块包括特征提取结构、编码结构和解码结构； 特征提取结构包括一个3D卷积层和激活函数层； 编码器共包含4层结构，前两层由两个3D卷积层组成，后两层由两个3D胶囊卷积层组成，每层依次命名为：en-Conv1、en-Conv2、Caps1、Caps2，编码器的具体连接方式为：en-Conv1连接en-Conv2连接Caps1连接Caps2； 解码器共包含5层结构，前4层分别与编码器的4层结构相对应，第1、3、5层是3D卷积层，第2、4层是反卷积层，每层依次命名为：de-Conv1、Unconv2、de-Conv3、Unconv4、de-Conv5，其具体连接方式为：de-Conv1连接Unconv2连接de-Conv3连接Unconv4连接de-Conv5； 所述代价体正则化模块的整体连接方式是依次将特征提取结构、编码结构和解码结构连接起来，即：特征提取结构连接en-Conv1连接en-Conv2连接Caps1连接Caps2连接de-Conv1连接Unconv2连接de-Conv3连接Unconv4连接de-Conv5，同时，编码器的4层结构与解码器的前4层对应连接，即：en-Conv1连接Unconv4、en-Conv2连接de-Conv3、Caps1连接Unconv2、Caps2连接de-Conv1； 步骤5：搭建深度图细化模块，将步骤1得到的参考图像和步骤4的初始深度图进行拼接，然后输入所述深度图细化模块生成稠密深度图； 步骤6：根据步骤5得到的稠密深度图生成空间点云结构，实现对目标的三维重建。

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淮阴工学院，其通讯地址为：223000 江苏省淮安市经济技术开发区枚乘东路1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。