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！

龙图腾网获悉辽宁工程技术大学鄂尔多斯研究院申请的专利融合局部空间信息的新视角合成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：CN119919590B 。

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：202510107119.7，技术领域涉及：G06T17/00；该发明授权融合局部空间信息的新视角合成方法是由贾迪;刘洋;彭泓;韩雪峰设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本融合局部空间信息的新视角合成方法在说明书摘要公布了：本发明提供了融合局部空间信息的新视角合成方法，涉及视角合成技术领域，本发明在形成神经点云时，使用特征金子塔网络获取融合了场景不同尺度信息的图片特征，通过神经点云特征对齐模块调整局部特征的采样位置，查询每个点云所对应的图片特征区域并生成神经点云，与直接使用2D卷积网络进行下采样相比，能够更好地关注相关区域并捕获更多有用的特征，将其融入到神经点云中。在体积密度预测网络前，通过神经点云Transformer模块捕获局部空间的上下文表示，局部神经点云特征通过自注意力机制对自身线索进行补全，能够有效处理点云的稀疏性和不规则性，提升最终合成图片的质量。本发明在真实场景和弱纹理区域的合成结果得到了显著提升。

本发明授权融合局部空间信息的新视角合成方法在权利要求书中公布了：1.融合局部空间信息的新视角合成方法，其特征在于，包括： 步骤1：基于神经点云生成网络，对多组图像进行处理，得到最终的神经点云P=po,γo,fo，其中，每组图像对应一个视角，每组图像包含同一视角的多个目标图像，其中，γo为点云置信度，po为三维位置坐标，fo为神经点云特征； 步骤1.1：通过深度预测网络，对多组图像进行处理，得到稠密点云，所述稠密点云包含多个点云，每个点云对应有云置信度和三维位置坐标； 步骤1.2：通过神经点云特征对齐模块，对稠密点云和多组图像进行处理，得到最终的神经点云P=po,γo,fo； 步骤2：基于神经点云的神经辐射场网络，对最终的神经点云P=po,γo,fo进行处理，得到每个采样点的最终的体积密度σ和RGB值c，所述采样点是在待合成视角的初始网格中每一个网格与相机中心的连线上进行多次采样得到的，所述相机设置在固定的位置，且相机设置有视角方向，所述待合成视角的初始网格设置在固定位置； 步骤2.1：通过神经点云Transformer模块，确定采样点对应的神经点云，对采样点对应的神经点云和每个采样点的三维坐标进行处理，得到神经点云新的特征向量，其中，为采样点x的第i个神经点云新的特征，K为与采样点x对应的神经点云的个数； 具体的，针对每个采样点，通过K最近邻算法，根据采样点的三维坐标，选择距离最近的K个神经点云；进而针对K个神经点云中的每个神经点云，将神经点云的三维坐标与采样点的三维坐标相减，每个得到神经点云的相对位置坐标，将每个神经点云的相对位置坐标映射到高维特征空间，得到每个神经点云映射后的相对位置坐标，具体通过以下公式实现： ； 其中，x为采样点的三维坐标，pi为第i个神经点云的三维坐标，PEpi-x为第i个神经点云映射后的相对位置坐标，L为编码维度控制变量； 将映射后的相对位置坐标PEpi-x和第i个神经点云的特征fi进行级联，得到神经点云的第一中间特征fe，具体通过以下公式实现： ； 其中，为特征级联操作 将神经点云的第一中间特征fe输入到位置编码层，得到第二中间特征PEfe，具体通过以下公式实现： ； 通过MLP对第二中间特征PEfe和第一中间特征fe进行处理，得到第i个神经点云的编码后的特征fi,x，具体通过以下公式实现： ； 所有神经点云编码后的特征组成神经点云特征序列X={fi,x|i=1,…,K}; 将神经点云特征序列X输入到注意力层中，得到神经点云新的特征向量，具体通过以下公式实现： ； ； ； ； 其中，Q为Query矩阵，Wq为Query矩阵的权重参数，K为Key矩阵，Wk为Key矩阵的权重参数，V为Value矩阵，Wv为Value矩阵的权重参数，dk表示维度，表示输出权重矩阵，n表示注意力头的总数，headi表示第i个注意力头，为第i个注意力头对应的权重参数，Wq包含，为第i个注意力头对应的权重参数，Wk包含，为第i个注意力头对应的权重参数，Wv包含，MultiHeadQ,K,V为神经点云新的特征向量； 步骤2.2：通过体积密度预测网络，对神经点云新的特征向量进行处理，得到每个采样点的最终的体积密度σ； 步骤2.3：通过RGB预测网络，计算每个采样点的RGB值c； 对神经点云编码后的特征fi,x进行逆距离加权，计算每个特征向量的权重,将采样点对应的K个神经点云的特征进行聚合，得到聚合特征fx，具体通过以下公式实现： ； ； 计算相机视角方向d的编码特征PEd，具体通过以下公式实现： ； 将相机视角方向d的编码特征PEd与聚合特征fx拼接，输入到MLP网络中获取采样点的RGB值c，具体通过以下公式实现： ； 进而得到每个采样点的RGB值c； 步骤3：根据每个采样点的最终的体积密度σ和RGB值c，对待合成的初始网格进行体渲染，得到合成新视角场景图像。

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辽宁工程技术大学鄂尔多斯研究院，其通讯地址为：125105 辽宁省葫芦岛市龙湾南大街188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。