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！

龙图腾网获悉山西大学申请的专利一种联合局部与全局聚焦特征的三维形貌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：CN115937399B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202210503036.6，技术领域涉及：G06T17/00；该发明授权一种联合局部与全局聚焦特征的三维形貌重建方法是由闫涛;张江峰;钱宇华;王克琪设计研发完成，并于2022-05-10向国家知识产权局提交的专利申请。

本一种联合局部与全局聚焦特征的三维形貌重建方法在说明书摘要公布了：本发明公开了一种联合局部与全局聚焦特征的三维形貌重建方法。包括以下步骤：首先，通过垂直调整待测物体到相机感光成像面的相对距离得到多聚焦图像序列；其次，将多聚焦图像序列进行卷积操作、可变形卷积操作和池化操作得到聚焦特征集；然后，将聚焦特征集输入局部‑全局特征联合模块得到局部‑全局特征集；最后，将局部‑全局特征集进行特征映射为深度图。本发明的方法在保持高精度的前提下同时提升了重建效率，可有效满足跨场景的应用需求。

本发明授权一种联合局部与全局聚焦特征的三维形貌重建方法在权利要求书中公布了：1.一种联合局部与全局聚焦特征的三维形貌重建方法，包括以下步骤： 步骤1：通过垂直调整待测物体到相机感光成像面的相对距离产生不同区域的聚焦图像，从而得到待测物体的多聚焦图像序列n表示多聚焦图像序列数目，其取值范围为1≤n≤N； 步骤2：对步骤1中得到的多聚焦图像序列根据式1进行卷积操作得到图像序列特征集n′表示特征集数目，其取值范围为1≤n′≤N′， 其中conv1和conv2表示神经网络卷积层参数，为卷积操作符； 步骤3：对步骤2中得到的图像序列特征集根据式2对I′n′位置P处的特征进行可变形卷积操作得到初始聚焦特征Ilow， 其中Wk和Pk表示第k个位置预先指定的卷积权重和卷积偏移量，K表示可变形卷积核的总数； 步骤4：对步骤3中得到的初始聚焦特征Ilow根据式3对其进行最大池化操作得到聚焦特征集其取值范围为1≤k≤K， 其中Fk表示第k个特征图在特征矩阵Iloc的最大池化输出值，xkpq表示特征矩阵Iloc中位于p,q处的第k个特征值； 步骤5：对步骤4中得到的聚焦特征集通过特征分离模块得到新的特征{Fl,Fg}，其中Fl表示局部特征建模分支的输入特征，Fg表示全局特征建模分支的输入特征； 步骤6：对步骤5中的局部特征建模分支的输入特征Fl根据式4进行深度卷积得到多聚焦图像序列的局部特征lFl， 其中conv3表示神经网络层中深度卷积参数； 步骤7：对步骤5中的全局特征建模分支的输入特征Fg根据式5进行自注意力校正得到多聚焦图像序列的全局特征gFg， 其中giFg表示i位置输入特征Fg与其余位置特征构建的关联关系，θiFg表示位置i输入特征Fg在θ空间的特征嵌入过程，φjFg和分别表示在位置j输入特征Fg在φ和空间的特征嵌入过程，N表示特征点的数量，T表示特征向量转置，exp表示以自然常数e为底的指数函数，∑·表示特征值累加； 步骤8：对步骤6得到的多聚焦图像序列的局部特征lFl和步骤7得到的多聚焦图像序列的全局特征gFg根据式6进行特征联合操作得到局部-全局特征集Fcou， Fcou＝flFl,gFg6 其中f·,·表示局部-全局特征联合函数； 步骤9：对步骤8中得到的局部-全局特征Fcou通过式7的特征映射模块迭代得到待测物体的深度图D， 其中conv4、conv5和conv6表示神经网络层中卷积参数，为反卷积操作符。

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山西大学，其通讯地址为：030006 山西省太原市小店区坞城路92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。