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！

龙图腾网获悉中科星图数字地球合肥有限公司申请的专利一种可无界扩展的大场景高保真实景三维建模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：CN118608706B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202410653406.3，技术领域涉及：G06T17/05；该发明授权一种可无界扩展的大场景高保真实景三维建模方法是由葛一烽;马斅良;查正东;薛超中;王震武设计研发完成，并于2024-05-24向国家知识产权局提交的专利申请。

本一种可无界扩展的大场景高保真实景三维建模方法在说明书摘要公布了：本发明公开了一种可无界扩展的大场景高保真实景三维建模方法，包括以下步骤：S1，收集无人机多视角影像数据；S2，将收集到的数据输入到colmap中，生成相机的位姿图及场景点云数据；S3，将整个场景划分成多个小块，求出每个块的质心，并得到场景划分后的不同块的点云和相机位姿；S4，将处理后的数据信息传入3DGS中进行并行训练，得到每个不同的块的模型；S5，进行快速渲染；S6，在前端浏览器上对训练完成的块进行渲染和融合，得到任意视角下的三维场景；S7，调整前端相机高度，得到不同精度三维场景。本发明支持构建无边界城市级大场景，场景之间能够并行训练，节约计算资源与时间。算法具有稳定性高，能可视化的特点。

本发明授权一种可无界扩展的大场景高保真实景三维建模方法在权利要求书中公布了：1.一种可无界扩展的大场景高保真实景三维建模方法，其特征在于，包括以下步骤： S1，收集无人机多视角影像数据； S2，将收集到的图片数据输入到colmap中，利用colmap生成相机的位姿图以及场景点云数据； S3，将整个场景划分成多个小块，利用点云存储的坐标信息，求出每个块的质心，根据子区域质心对场景稀疏点云进行分块，同时利用点云与相机的对应关系检索出每个子区域对应的相机位姿，得到场景划分后的不同块的点云和相机位姿； S4，将处理后的数据，即步骤S3中得到场景划分后的不同块的点云和相机位姿的数据信息，传入3DGaussianSplatting即3DGS中进行并行训练，得到每个不同的块的模型； S5，通过快速α-blending渲染，以实现快速且视觉上逼真的渲染效果； S6，在前端浏览器上对训练完成的块进行渲染和融合，得到任意视角下的三维场景； S7，调整前端相机高度，得到不同精度三维场景； 其中S4中：通过 进行权重计算，其中wi表示每个高斯点的权重，这些权重用于将不同的高斯点结合起来，以生成最终的渲染图像，αi是每个高斯点的透明度，公式的分母确保所有权重之和为1，xi表示第i个组分相关的位置向量或变量，Σi：第i个组分的协方差矩阵，描述了组分在空间中的分布形态和范围，Σj求和符号，表示对所有组分进行求和，以归一化权重wi，之后，需要将3D高斯图像投影到2D进行渲染， Σ′＝JWΣWTJT 此公式用于将协方差矩阵Σ转换到相机坐标系中，其中J是仿射近似的投影变换的雅可比矩阵，W世界到相机坐标的变换矩阵，通常包括旋转和平移，这一公式确保了高斯的形状在相机坐标系中的正确表示，适用于优化过程， Σ＝RSSTRT 其中为了在训练过程中保持协方差矩阵的有效性，此公式将协方差矩阵Σ表示为一个缩放矩阵S和旋转矩阵R的组合，独立优化缩放和旋转因素， 之后利用损失函数训练模型，其中总损失函数，是两个不同损失项的加权和；λ一个介于0和1之间的权重系数，用来平衡两种损失的贡献；表示损失，衡量预测值与真实值之间的绝对差异；结构相似性损失D-SSIM，是SSIMStructuralSimilarityIndexMeasure的一种变体，用于衡量两幅图像在视觉质量上的相似度，损失函数结合了L1损失和D-SSIM项，来衡量渲染图像与训练视图之间的差异，这种损失函数设计有助于更好地捕捉视图相关的外观，从而提高渲染质量， 通过渐变计算优化损失函数L的梯度，用于优化高斯点的位置、颜色和其他参数，其中损失函数L的梯度，代表了损失函数关于每个参数的导数，为偏导数，表示损失函数L关于权重wi的导数，这表明改变第i个权重对整体损失函数的影响程度，为权重wi的梯度向量。

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中科星图数字地球合肥有限公司，其通讯地址为：230088 安徽省合肥市高新区望江西路900号中安创谷科技园一期A1楼36层；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”。