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！

龙图腾网获悉中国电建集团北京勘测设计研究院有限公司申请的专利基于多源数据融合的建筑物高精度三维重建方法和系统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：CN120876770B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511183215.6，技术领域涉及：G06T17/10；该发明授权基于多源数据融合的建筑物高精度三维重建方法和系统是由沈尤;朱庆辉;常旭辉;张伟;李丽娟;刘晓波;朱超乾设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本基于多源数据融合的建筑物高精度三维重建方法和系统在说明书摘要公布了：本发明提供一种基于多源数据融合的建筑物高精度三维重建方法和系统，系统包括数据采集模块，数据预处理模块，反射靶标辅助多传感器动态标定模块、跨膜态数据时空基准统一模块、多源数据融合模块、融合生成对抗网络与物理特征约束的动态干扰修复模块和三维模型重建模块。该方法通过提出反射靶标辅助的多传感器动态标定技术，突破跨模态数据时空基准差异限制，运用融合生成对抗网络与物理特征约束的动态干扰修复算法，解决开放场景建模污染问题，构建“端‑边‑云”协同计算架构，实现大规模建筑级重建与轻量化输出的无缝衔接，从而实现建筑物的高精度三维重建。

本发明授权基于多源数据融合的建筑物高精度三维重建方法和系统在权利要求书中公布了：1.一种基于多源数据融合的建筑物高精度三维重建方法，其特征在于，包括以下步骤： 步骤S1，在目标建筑物周边布置多个反射靶标； 步骤S2，采用激光雷达和多种成像设备相对所述目标建筑物进行运动，同步对所述目标建筑物在不同角度进行观测扫描；在同一扫描时刻，所述激光雷达同时获得某个所述反射靶标的靶标点云数据以及目标建筑物点云数据，每个所述成像设备同时采集得到靶标影像数据和目标建筑物影像数据； 步骤S3，对应同一扫描时刻的所述靶标点云数据、所述目标建筑物点云数据、所述靶标影像数据以及所述目标建筑物影像数据经数据预处理模块进行预处理后，传输到数据处理层； 步骤S4，所述数据处理层的反射靶标辅助多传感器动态标定模块，通过对所述靶标点云数据和各个所述靶标影像数据进行分析，建立所述激光雷达和每个所述成像设备在当前扫描时刻的相对位置和姿态变换参数； 步骤S5，基于所述相对位置和姿态变换参数，对所述目标建筑物点云数据和每个所述目标建筑物影像数据进行动态标定，得到统一到相同时空基准的标定后的所述目标建筑物点云数据和标定后的各个所述目标建筑物影像数据； 步骤S6，采用多源数据融合模块，将统一到相同时空基准的标定后的所述目标建筑物点云数据和标定后的各个所述目标建筑物影像数据进行多源数据融合，得到融合数据； 步骤S7，采用融合生成对抗网络与物理特征约束的动态干扰修复模块，对所述融合数据进行动态干扰修复，得到修复后的融合数据； 步骤S8，采用三维模型重建模块，将不同扫描时刻的所述修复后的融合数据重建为目标建筑物三维模型； 所述反射靶标辅助多传感器动态标定模块具体用于： 步骤S4.1，对所述靶标点云数据和每个所述靶标影像数据进行靶标相同特征点的特征匹配，设识别到靶标特征点对的数量为对，第个靶标特征点对包括靶标点云数据点i和靶标影像数据点i； 步骤S4.2，靶标点云数据点i在激光雷达坐标系下的三维坐标通过下式计算： 1 其中：为激光雷达测量得到的靶标点云数据点i所对应的靶标点i到激光雷达的距离；为激光雷达测量得到的靶标点云数据点i所对应的靶标点i的水平角度，为激光雷达测量得到的靶标点云数据点i所对应的靶标点i的垂直角度； 步骤S4.3，建立成像设备的成像模型为： 2 其中：为靶标影像数据点i所对应的靶标点i在相机成像平面上的坐标；为相机的内参矩阵，，和分别为相机在x和y方向的焦距，为图像中心坐标；为相机外参矩阵，为旋转矩阵，为平移向量，为尺度因子，为靶标影像数据点i所对应的靶标点i在世界坐标系下的坐标； 步骤S4.4，利用获取的靶标特征点对，采用最小二乘法求解以下优化问题，得到旋转矩阵和平移向量： 3 其中:在利用最小二乘法求解旋转矩阵和平移向量时，构建误差函数： 4 其中，为靶标点云数据点i在激光雷达坐标系下的三维坐标；为靶标影像数据点i所对应的靶标点i在相机成像平面上的坐标； 通过对关于和求偏导数，并令偏导数为0，可得到一组方程，求解得到的一组方程，得到最优的旋转矩阵和平移向量，从而得到所述激光雷达和每个所述成像设备在当前扫描时刻的相对位置和姿态变换参数； 步骤S6具体为： 将统一到相同时空基准的标定后的所述目标建筑物点云数据表示为，将统一到相同时空基准的标定后的所述目标建筑物影像数据表示为；是待估计的参数，即融合后空间点的坐标，则后验概率为： 5 其中：是先验概率，是似然函数，是证据因子；根据最大后验概率准则确定融合数据的值； 步骤S7具体为： 融合生成对抗网络与物理特征约束的动态干扰修复模块包括生成器和判别器； 对于判别器，其损失函数为： 6 表示期望，是真实数据的分布，是输入融合数据的分布；为判别器参数；为判别器对真实数据的判别结果；为生成器参数；为生成器基于融合数据生成的样本；为判别器对生成器生成的样本的判别结果；为判别器超参数； 对于生成器，其损失函数旨在最小化生成数据被判别为假数据的概率，同时考虑物理特征约束，假设物理特征约束的损失为，则生成器的损失函数为： 7 其中：为物理特征约束的权重因子； 步骤S8具体为： 采用Delaunay三角剖分算法构建初步的目标建筑物三维模型，然后采用顶点聚类算法，对初步的目标建筑物三维模型进行进一步简化，减少模型的数据量，具体步骤为如下： 步骤S8.1，确定聚类中心：根据初步的目标建筑物三维模型的顶点分布情况，确定聚类中心，具体为：随机选择k个顶点作为初始聚类中心；采用下式，计算每个顶点到各个聚类中心的欧氏距离，将顶点分配到距离最近的聚类中心所在的簇中： 8 其中：顶点的三维坐标为；聚类中心的三维坐标为； 步骤S8.2，顶点合并：对于每个聚类簇，计算簇内顶点的质心，是第个聚类簇中的顶点数量，将簇内所有顶点合并为质心位置的一个顶点，从而减少模型的顶点数量。

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国电建集团北京勘测设计研究院有限公司，其通讯地址为：100024 北京市朝阳区定福庄西街1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。