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！

龙图腾网获悉杭州师范大学申请的专利基于隐式神经网络和空间散列的大场景点云快速上采样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：CN119963767B 。

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：202411860368.5，技术领域涉及：G06T17/20；该发明授权基于隐式神经网络和空间散列的大场景点云快速上采样方法是由何杰;刘儒瑜;张志勇;秦瑶设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本基于隐式神经网络和空间散列的大场景点云快速上采样方法在说明书摘要公布了：一种基于隐式神经网络和空间散列的大场景点云快速上采样方法，包括以下步骤：步骤S1、大场景点云数据集采集；步骤S2、点云隐式表面编码；步骤S3、空间哈希构建；步骤S4、自适应空间特征表示：利用空间哈希表，对查询点周围的空间特征进行自适应表示，根据查询点的位置和局部几何结构，动态调整特征表示，以更好地适应不同区域的点云密度变化；步骤S5、高保真点云生成：根据优化后的查询点位置和自适应的空间特征表示，生成新的点云数据，新生成的点云不仅保留了原始点云的几何特征，而且具有更高的分辨率和细节。本发明能够显著提升上采样的质量和效率，支持实时应用。

本发明授权基于隐式神经网络和空间散列的大场景点云快速上采样方法在权利要求书中公布了：1.一种基于隐式神经网络和空间散列的大场景点云快速上采样方法，其特征在于，所述方法包括以下步骤： 步骤S1、大场景点云数据集采集，手持装置对现实场景进行扫描得到点云数据，然后将得到的点云数据进行归一化； 步骤S2、点云隐式表面编码：将输入的稀疏点云转换为隐式表面表示，使用深度学习模型对点云进行编码，捕捉其内在几何结构； 步骤S3、空间哈希构建：在点云的隐式表面表示基础上，建立一个高效的空间哈希表，该哈希表用于加速查询点与其最近邻之间的快速查找； 步骤S4、自适应空间特征表示：利用空间哈希表，对查询点周围的空间特征进行自适应表示，根据查询点的位置和局部几何结构，动态调整特征表示，以更好地适应不同区域的点云密度变化； 步骤S5、高保真点云生成：根据优化后的查询点位置和自适应的空间特征表示，生成新的点云数据，新生成的点云不仅保留了原始点云的几何特征，而且具有更高的分辨率和细节； 所述步骤S3的过程如下： 步骤S31、空间哈希构建：空间哈希的核心思想是将三维空间划分为固定大小的立方体单元格，假设有一个三维空间，并且定义一个边长为的立方体单元格，对于任意点，其所在的单元格通过以下公式计算， ； 其中，表示向下取整操作，是单元格的边长，根据点云的密度和几何复杂度进行选择； 步骤S32、动态调整单元格大小：为了适应不同密度的点云区域，引入动态调整单元格大小的机制，根据局部点云密度自适应地调整的值，对于每个查询点，计算其周围设定范围内的点数，并根据动态调整单元格大小，使用以下公式， ； 其中，是查询区域的体积，是一个可调参数，用于控制单元格大小的缩放比例； 所述步骤S4的过程如下： 步骤4.1、逐步优化策略：建立了两个区域：误差小的高置信区域和误差大的低置信区域，在高置信度区域对查询点进行采样以帮助训练网络，在低置信度区域对辅助点进行采样，在当前阶段网络收敛后，通过网络梯度移动到估计的曲面位置，移动的辅助点作为下一阶段的曲面先验； 步骤4.2、特征信息层次化表示融合。

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杭州师范大学，其通讯地址为：311121 浙江省杭州市余杭塘路2318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。