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！

龙图腾网获悉上海第二工业大学申请的专利一种基于非对称卷积的激光雷达点云语义分割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：CN115937850B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202211425576.3，技术领域涉及：G06V20/70；该发明授权一种基于非对称卷积的激光雷达点云语义分割方法是由宋绍京;苗志清;刘再庆;艾鲁霞设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本一种基于非对称卷积的激光雷达点云语义分割方法在说明书摘要公布了：本发明公开了一种基于非对称卷积的激光雷达点云语义分割方法，具体涉及计算机视觉技术领域，包括如下步骤：步骤一：将激光雷达点云数据输入到基于投影的点云编码器中，得到编码后的点云；步骤二：将所述的编码后的点云输入到非对称卷积骨干网络中，对点云进行特征提取；步骤三：将提取到的点云特征输入到上下文特征增强模块中，提取点云特征中的上下文特征信息；步骤四：将点云的特征信息输入到语义分类器中，识别出每个点云的语义类别，最终得到整个点云数据的语义分割结果。本发明提出的非对称卷积骨干网络和上下文特征增强模块可以有效的提升对点云特征的提取能力，并提高点云的语义分割精度。

本发明授权一种基于非对称卷积的激光雷达点云语义分割方法在权利要求书中公布了：1.一种基于非对称卷积的激光雷达点云语义分割方法，其特征在于：包括如下步骤： 步骤一：将激光雷达点云数据输入到基于投影的点云编码器中，得到编码后的点云； 步骤二：将编码后的点云输入到非对称卷积骨干网络中，对点云进行特征提取； 步骤三：将提取到的点云特征输入到上下文特征增强模块中，提取点云特征中的上下文特征信息； 步骤四：将点云的特征信息输入到语义分类器中，识别出每个点云的语义类别，最终得到整个点云数据的语义分割结果； 其中，步骤二中非对称卷积骨干网络由四个下采样非对称卷积模块和四个上采样非对称卷积模块构成；还采用三次跳跃连接将上采样结果与对应的下采样级联，所述上采样结果为低层特征，有效地融合网络低层特征和高层特征，提高模型对细节信息的学习能力； 在一次下采样过程中，先对特征进行步长为2的方形卷积运算，接下来分别用两组非对称卷积组合进行卷积运算，然后将运算结果相加并输出；这两组非对称卷积组合分别由3×1，1×3的非对称卷积核组和1×3，3×1的非对称卷积核组构成； 下采样非对称卷积模块的公式为： Fout＝C3×1C1×3C3×3Fin+C1×3C3×1C3×3Fin1 式中Fin和Fout分别为输入特征和输出特征，C3×3、C1×3和C3×1分别为3×3、1×3和3×1的卷积运算； 在一次上采样过程中，先对特征进行双线性插值，然后将其与跳跃连接的低阶特征相拼接，最后使用一组非对称卷积对特征进行卷积运算，该非对称卷积组由1×3和3×1的非对称卷积核组成； 上采样非对称卷积模块的公式为： Fout＝C3×1C1×3ΔBFin,Flow2 式中Fin，Fout和Flow分别为输入特征、输出特征和低阶特征，C3×3、C1×3和C3×1分别为3×3、1×3和3×1的卷积运算，Δ为特征拼接操作，B为双线性插值操作。

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上海第二工业大学，其通讯地址为：200120 上海市浦东新区金海路2360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”。