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！

龙图腾网获悉浙江大学申请的专利一种多模型协同的二维高斯泼溅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：CN121392157B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511958200.2，技术领域涉及：G06T17/00；该发明授权一种多模型协同的二维高斯泼溅三维重建方法是由李樵风;章毅;杨承昀;赖梓豪设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本一种多模型协同的二维高斯泼溅三维重建方法在说明书摘要公布了：本发明公开了一种多模型协同的二维高斯泼溅三维重建方法，包括以下步骤：获取多视角RGB图像，利用VGGT模型输出相机参数和稀疏点云，通过单目深度估计网络和图像分割网络，生成深度图和掩码图；利用视觉外壳算法进行稠密化处理；利用稠密点云初始化二维高斯基元；对初始化后的二维高斯基元进行训练；重新渲染所有视角的深度图，通过截断符号距离函数和等值面提取算法生成三维网格；对三维网格进行基于局部双边滤波的网格优化，得到平滑网格；进行尺度校正并用于平滑网格，获得具有真实尺度的三维模型。其通过多模型协同的初始化与优化策略，生成了兼具高保真几何、真实尺度及新视角渲染能力的全方位三维模型。

本发明授权一种多模型协同的二维高斯泼溅三维重建方法在权利要求书中公布了：1.一种多模型协同的二维高斯泼溅三维重建方法，其特征在于，包括以下步骤： S1、获取多视角RGB图像，利用VGGT模型输出每张图像对应的相机参数和稀疏点云，以及通过单目深度估计网络和图像分割网络，分别生成每张图像对应的深度图和掩码图； S2、基于所述相机参数和掩码图，利用视觉外壳算法对所述稀疏点云进行稠密化处理，得到稠密点云；包括： S21、将三维空间划分为低分辨率体素网格，每个体素单元对应三维空间中的一个固定体积； S22、对于每个掩码图中的每个像素点u,v，基于针孔相机模型进行反投影运算，得到成像光线； S23、对于掩码值为1的像素，将其光线穿过的体素标记为可能占据，并更新体素置信度；对于掩码值为0的像素，将其光线穿过的体素标记为非占据，并衰减置信度； S24、根据置信度阈值τ确定占据体素，形成粗视觉外壳； S25、在粗视觉外壳的包围盒内划分高分辨率体素网格，并基于RGB图像赋予颜色信息，得到细分辨率视觉外壳； S26、将细分辨率视觉外壳的点云与稀疏点云融合，得到稠密点云； S3、利用所述稠密点云初始化二维高斯基元，每个二维高斯基元包括中心点位置、正切向量、缩放向量、不透明度及球谐系数； S4、基于所述相机参数、深度图和掩码图，对初始化后的二维高斯基元进行训练，通过可微分渲染生成渲染图像，结合相关损失函数优化二维高斯基元参数； S5、训练完成后，利用所述相机参数重新渲染所有视角的深度图，通过截断符号距离函数和等值面提取算法生成三维网格；包括： S51、根据包围盒划分体素网格，体素尺寸为Δ； S52、对于每个体素中心，初始化TSDF值Fv←1； S53、对于每个相机视角，由训练后的二维高斯基元渲染深度图，根据相机内参K和外参R,t将体素投影到图像平面，得到像素坐标u,v； S54、从深度图中提取深度值，表示第i个视角的深度图， 计算符号距离，其中为投影点p的z分量； S55、截断并归一化，其中，δ为截断带宽； S56、更新TSDF值，并最终提取等值面生成三角形网格； S6、对所述三维网格进行基于局部双边滤波的网格优化，得到平滑网格； S7、基于相机间的物理距离对所述相机参数进行尺度校正，并将校正后的尺度参数应用于所述平滑网格，获得具有真实尺度的三维模型。

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浙江大学，其通讯地址为：310030 浙江省杭州市西湖区余杭塘路866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。