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！

龙图腾网恭喜成都信息工程大学申请的专利基于动态采样范围的多视图神经隐式表面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：CN119722908B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202510222983.1，技术领域涉及：G06T15/20；该发明授权基于动态采样范围的多视图神经隐式表面重建方法是由谭诗瀚;钟娟;戈文一;符颖;袁霞;赖杰;梁书凝;陈杨仁;刘琪;袁文祥;郑恒杰;谭键设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本基于动态采样范围的多视图神经隐式表面重建方法在说明书摘要公布了：本发明公开了基于动态采样范围的多视图神经隐式表面重建方法，涉及计算机技术领域，包括S1、构建均匀栅格；S2、选取栅格内体素的位置输入几何网络，计算不透明度值和占用信息，标记对应体素是否被物体占用；S3、生成N条光线；S4、分析核心采样区域；S5、分层体积采样获得采样点；S6、预测符号距离函数值和颜色值；S7、分析像素颜色；S8、联合监督预测信息和像素颜色；S9、是否达到迭代次数，是进S10；反之返回S2；S10、提取几何表面模型；基于占据栅格生成逐步缩小的动态采样范围，减少无效空间内的采样，提高光线与采样点的利用效率。通过在动态采样范围内使用分层体积采样策略，集中采样点于物体表面附近，减少采样偏差。

本发明授权基于动态采样范围的多视图神经隐式表面重建方法在权利要求书中公布了：1.基于动态采样范围的多视图神经隐式表面重建方法，其特征在于，包括：S1、构建三维的均匀栅格，栅格中的每个体素缓存其自身的二值化占用信息和不透明度值；S2、选取栅格内体素的任意空间位置输入几何网络，并计算不透明度值，根据阈值计算占用信息，标记对应体素是否被物体占用；S3、选取N幅图像中的N个像素，沿选定像素方向朝栅格内生成N条光线；S4、根据占用信息分析每条光线的核心采样区域；按照设定的步进值在每条光线上生成间隔均匀的采样点，根据占用信息仅保留落在物体占用体素内的采样点，根据过滤后的采样点位置，计算生成当前光线的核心采样区域；具体包括：S401：设定密集采样点步进值，表示为： ；其中，d为占据栅格的边长，Gr为栅格的分辨率，k表示缩放因子；S402：根据步进值在每条光线上生成间隔均匀的采样点，保留落在标记为“占用”体素内的采样点；S403：根据过滤后的采样点位置，计算生成当前光线的核心采样区域，表示为： ；其中，、是生成的采样区域的起始位置和结束位置，near和far分别表示光线与栅格交点的最近值和最远值，和分别为过滤后的第一个采样点和最后一个采样点；S5、在核心采样区域内进行分层体积采样，获得采样点；S6、预测采样点的符号距离函数值SDF和颜色值；具体为：将采样点位置和方向向量分别进行哈希编码和球谐编码，并将编码后的数据输入由多层感知机构成的几何网络、颜色网络，预测得到采样点的符号距离函数值SDF和颜色值；S7、对整条光线所有采样点的预测信息进行积分，分析对应视角图像的像素颜色；具体为：通过体积渲染方案对整条光线所有采样点的预测信息进行积分得到对应视角图像的像素颜色，体积渲染表示为： ，其中；其中，是累积透光率，表示到达相机的光的比例，是光线的采样点数量，为预测的颜色值，是根据预测的符号距离函数值SDF转换的不透明度；S8、采用颜色损失、程函损失、掩膜损失和采样损失联合监督预测信息和像素颜色；S9、判断是否达到预设的迭代次数，若是，则进入S10；反之则返回S2；S10、采用MarchingCube算法从符号距离函数值SDF的零水平级中提取物体的几何表面模型。

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成都信息工程大学，其通讯地址为：610000 四川省成都市西南航空港经济开发区学府路1段24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”。