龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京大学
申请日：2024-04-29
公开（公告）日：2024-06-21
公开（公告）号：CN118229887A
主分类号：G06T17/00
分类号：G06T17/00;G06N3/045;G06N3/084;G06T7/50;G06T7/90;G06T3/06
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种利用NeRF从多视角卫星图像生成精确DSM的方法与系统，首先优化卫星图像的相机参数，并根据过程中产生的点云提取场景海拔范围；然后使用相机发射虚拟光线，在海拔范围间将光线采样成离散点；之后将采样点坐标、太阳入射方向和虚拟光线方向一起输入NeRF神经网络查询采样点的颜色和密度；再设计一个促使场景表面更薄的几何损失项，与外观损失项一起约束NeRF的迭代更新；最后，使用优化后的NeRF模型提取场景密度分布并转化为DSM。本发明通过同时使用太阳入射方向和虚拟光线方向作为外观编码，提高了NeRF对输入图像外观差异的稳健性；通过从点云提取海拔范围并指导采样，提升了训练速度；通过几何损失项约束训练过程，提升了生成的DSM的精度。
主权项：1.一种利用NeRF从多视角卫星图像生成精确DSM的方法，其特征在于，包含以下步骤：1优化多视角卫星图像的相机参数，并根据优化过程中产生的稀疏点云提取场景海拔范围；所述场景海拔范围在稀疏点云的z坐标范围基础上进行扩展；2使用卫星相机发射指向图像像素的虚拟光线，在所述场景海拔范围之间将光线采样成离散空间点，并从卫星图像元数据中提取相应的太阳入射方向；3将光线的采样点三维空间坐标、太阳入射方向和所在光线方向同时输入NeRF神经网络，计算场景中相应位置的密度和颜色；4利用光线上采样点的颜色和密度计算NeRF神经网络预测值的损失，包括用于促使场景表面更薄的几何损失和基于颜色的外观损失，根据反向传播算法使用损失迭代更新NeRF神经网络参数；5使用优化完成的NeRF场景模型提取空间密度分布，将以空间密度代表的场景几何结构转化为DSM。
全文数据：
权利要求：
百度查询： 南京大学 一种利用NeRF从多视角卫星图像生成精确DSM的方法与系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号