-
公开(公告)号：CN120014172A
公开(公告)日：2025-05-16
申请号：CN202510145733.2
申请日：2025-02-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于深度和曲率监督的改进3DGS场景重建与渲染方法，通过结合SFM生成的稀疏点云的真实深度和由快速可微光栅化生成的预测深度，计算倒角距离并作为损失函数。这个优化增强了对Gaussians位置的几何约束，确保了Gaussians在空间中的正确位置，从而避免了错误的遮挡关系和渲染伪影，提升了场景的真实感，与现有技术相比，本发明的优点在于它通过深度与曲率的联合监督，解决了现有3DGS技术中对几何约束处理的局限性，避免了传统方法中会出现的错误遮挡和过多的小Gaussians，显著优化了场景渲染的质量和效率。
-
公开(公告)号：CN117765187B
公开(公告)日：2024-04-26
申请号：CN202410196740.0
申请日：2024-02-22
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于多模态深度估计引导的单目隐神经的建图方法，采用模糊深度感知模块的条件隐式最大似然估计技术生成深度多模态分布先验，提高存在非不透明介质时的场景重建精度，引入空间雕刻损失实现多视图深度估计的有效融合，获得全局一致的场景表征，引入表面法线损失，加强局部几何一致性约束，优化场景表示的同时使得系统在仅RGB输入的条件下，也具备精确的位姿跟踪精度和鲁棒性，解决了现有技术中因形状辐射歧义导致的全局表面重建不一致性，受限于物体空间位置遮挡与传感器测量精度导致建图不完整，定位效果不理想的问题。
-
Patent Agency Ranking
公开(公告)号：CN118212372B
公开(公告)日：2024-07-23
申请号：CN202410630016.4
申请日：2024-05-21
Applicant: 成都信息工程大学
IPC: G06T17/05 , G06T17/10 , G06T17/20 , G06T15/00 , G06T15/08 , G06V10/80 , G06V10/44 , G06V10/46 , G06V10/56 , G06V10/82 , G06N3/0499 , G06N3/048
Abstract: 本发明公开了一种融合神经隐式表面表征与体积渲染的建图方法，基于密度场是由一个定义良好的表面产生的这一设定，将经典体渲染技术中的体密度建模为参数可学习的符号距离函数，并利用估计的TSDF引导由光心像素生成射线与真实表面交点附近密集采样，使采样点分布更好地吻合场景真实辐射场分布，以获取更准确的表面几何近似与颜色表征。通过采用体素存储TSDF与高效的空间收缩函数，增强射线与几何边界交叉的检测效率，实现无边界的真实世界场景的照片级图像合成，同时生成精确的深度图。采用体素动态扩展技术实现大规模场景的高效隐式场景表示。
-
公开(公告)号：CN118212372A
公开(公告)日：2024-06-18
申请号：CN202410630016.4
申请日：2024-05-21
Applicant: 成都信息工程大学
IPC: G06T17/05 , G06T17/10 , G06T17/20 , G06T15/00 , G06T15/08 , G06V10/80 , G06V10/44 , G06V10/46 , G06V10/56 , G06V10/82 , G06N3/0499 , G06N3/048
Abstract: 本发明公开了一种融合神经隐式表面表征与体积渲染的建图方法，基于密度场是由一个定义良好的表面产生的这一设定，将经典体渲染技术中的体密度建模为参数可学习的符号距离函数，并利用估计的TSDF引导由光心像素生成射线与真实表面交点附近密集采样，使采样点分布更好地吻合场景真实辐射场分布，以获取更准确的表面几何近似与颜色表征。通过采用体素存储TSDF与高效的空间收缩函数，增强射线与几何边界交叉的检测效率，实现无边界的真实世界场景的照片级图像合成，同时生成精确的深度图。采用体素动态扩展技术实现大规模场景的高效隐式场景表示。
-
公开(公告)号：CN117765187A
公开(公告)日：2024-03-26
申请号：CN202410196740.0
申请日：2024-02-22
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于多模态深度估计引导的单目隐神经的建图方法，采用模糊深度感知模块的条件隐式最大似然估计技术生成深度多模态分布先验，提高存在非不透明介质时的场景重建精度，引入空间雕刻损失实现多视图深度估计的有效融合，获得全局一致的场景表征，引入表面法线损失，加强局部几何一致性约束，优化场景表示的同时使得系统在仅RGB输入的条件下，也具备精确的位姿跟踪精度和鲁棒性，解决了现有技术中因形状辐射歧义导致的全局表面重建不一致性，受限于物体空间位置遮挡与传感器测量精度导致建图不完整，定位效果不理想的问题。
-
公开(公告)号：CN119648925B
公开(公告)日：2025-04-29
申请号：CN202510175895.0
申请日：2025-02-18
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于多模态深度分布监督的高效3D高斯场景重建方法，相比于现有技术，在高斯初始化阶段直接提取了像素级的深度稠密点云，生成多模态深度分布图，有效避免了根据COLMAP稀疏点云随机初始化稠密高斯位置，解决了少视图情况下COLMAP获取的点云过于稀疏提供的几何约束不足，同时随机初始化的高斯由于局部最小值阻碍其移动到正确位置的问题。本发明对图像帧应用基于边缘检测的图像分割算法，融合了大量远离边缘点且深度相近的高斯基元，有效修剪了3D高斯数量，节省了GPU的内存消耗。本发明对全局高斯引入额外的各向同性正则化损失，避免了沿视线方向产生伪影的高度拉长的高斯分布问题。
-
公开(公告)号：CN119648925A
公开(公告)日：2025-03-18
申请号：CN202510175895.0
申请日：2025-02-18
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于多模态深度分布监督的高效3D高斯场景重建方法，相比于现有技术，在高斯初始化阶段直接提取了像素级的深度稠密点云，生成多模态深度分布图，有效避免了根据COLMAP稀疏点云随机初始化稠密高斯位置，解决了少视图情况下COLMAP获取的点云过于稀疏提供的几何约束不足，同时随机初始化的高斯由于局部最小值阻碍其移动到正确位置的问题。本发明对图像帧应用基于边缘检测的图像分割算法，融合了大量远离边缘点且深度相近的高斯基元，有效修剪了3D高斯数量，节省了GPU的内存消耗。本发明对全局高斯引入额外的各向同性正则化损失，避免了沿视线方向产生伪影的高度拉长的高斯分布问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
