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！

龙图腾网恭喜华南理工大学;华南理工大学阳江研究院申请的专利基于点云法向量差的大型风电叶片飞边特征提取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：CN115272380B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202210948954.X，技术领域涉及：G06T7/12；该发明授权基于点云法向量差的大型风电叶片飞边特征提取方法是由陈扬枝;黄律文;刘旺设计研发完成，并于2022-08-09向国家知识产权局提交的专利申请。

本基于点云法向量差的大型风电叶片飞边特征提取方法在说明书摘要公布了：本发明公开了一种基于点云法向量差的大型风电叶片飞边特征提取方法，包括以下步骤：S1.点云预处理：通过RGBD相机获取风电叶片的叶片点云数据，对叶片点云数据进行初次滤波，获得预处理后的叶片点云数据；S2.基于法向量差的特征分割：计算叶片的点云分辨率，根据点云分辨率确定大小两个支撑半径，计算两个支撑半径下的法向量，根据两个支撑半径的法向量差进行条件滤波，去除叶片点云中小于设定阈值的点，将飞边特征与叶片点云分离；S3.聚类分割：对叶片点云数据进行再次滤波，通过聚类分割彻底分离飞边与叶片，获得叶片飞边的特征点云。可以实现庞大风电叶片飞边这一较小特征的提取，可以快速部署提取方法；提取飞边特征提取效果好，具有较强的鲁棒性。

本发明授权基于点云法向量差的大型风电叶片飞边特征提取方法在权利要求书中公布了：1.一种基于点云法向量差的大型风电叶片飞边特征提取方法，其特征在于，包括以下步骤： S1.点云预处理：通过RGBD相机获取风电叶片的叶片点云数据，对叶片点云数据进行初次滤波，获得预处理后的叶片点云数据； S2.基于法向量差的特征分割：计算叶片的点云分辨率，根据点云分辨率确定大小两个支撑半径，计算两个支撑半径下的法向量，根据两个支撑半径的法向量差进行条件滤波，去除叶片点云中小于设定阈值的点，将飞边特征与叶片点云分离； S3.聚类分割：对叶片点云数据进行再次滤波，通过聚类分割彻底分离飞边与叶片，获得叶片飞边的特征点云； 初次滤波包括直通滤波和统计滤波，直通滤波用于根据RGBD相机与风电叶片的距离去除无关区域的点，统计滤波用于去除叶片点云中的无关点和噪点； 法向量计算采用主成分分析法，并引入视点用于确定法向量方向，视点默认为坐标系原点，视点也可单独设置为坐标系其它点； 对点云中点p，先计算点p支撑半径下的区域质心，区域质心的公式为： 式中，k表示点p支撑半径内点的数量，为该区域的三维质心； 根据点p支撑半径下的区域质心建立协方差矩阵，协方差矩阵的公式为： 式中，C表示协方差矩阵； 根据计算得到的协方差矩阵C，计算协方差矩阵C的特征值和特征向量，特征值和特征向量的公式为： 式中，λi表示协方差矩阵的第i个特征值，表示协方差矩阵的第j个特征向量； 根据特征值和特征向量的公式，最小特征值对应的特征向量为点p处的法向量，法向量需要满足公式： 式中，为法向量，vp为视点； 点云中任意点p的法向量差为： 式中，为大支撑半径下点p的法向量，为小支撑半径下点p的法向量。

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华南理工大学;华南理工大学阳江研究院，其通讯地址为：510640 广东省广州市天河区五山路381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”。