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！

龙图腾网获悉三峡大学申请的专利基于点云数据的多类型结构面分层识别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：CN115439839B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210934143.4，技术领域涉及：G06V20/64；该发明授权基于点云数据的多类型结构面分层识别方法是由徐志华;郭戈;孙钱程;何钰铭;张国栋;石长柏;谢迪设计研发完成，并于2022-08-04向国家知识产权局提交的专利申请。

本基于点云数据的多类型结构面分层识别方法在说明书摘要公布了：本发明提供了基于点云数据的多类型结构面分层识别方法，步骤1：对岸坡岩体进行三维激光扫描，获取观测处待处理的岸坡岩体点云空间坐标信息；步骤2：基于KDtree邻近搜索完成原始数据体素下采样，得到初步处理点云；步骤3：使用随机霍夫变换空间计算初级处理点云数据法向量，采用PCA主成分分析计算对应的曲率特征得到次级处理点云；步骤4：以法向量差值和曲率阈值作为限制条件，用区域生长算法对次级处理点云进行聚类分组，获得聚类平面，并采用RGB随机着色，得到层理断层类结构面识别结果；步骤5：对初级处理点云采用马尔科夫随机场点领域特征预测法来计算表面特征，采用HSV着色区分，获得节理裂隙类结构面识别结果。

本发明授权基于点云数据的多类型结构面分层识别方法在权利要求书中公布了：1.基于点云数据的多类型结构面分层识别方法，包括以下步骤： 步骤1：对岸坡岩体进行三维激光扫描，获取观测处待处理的岸坡岩体点云空间坐标信息； 步骤2：基于KDtree邻近搜索完成原始数据体素下采样，得到初步处理点云； 步骤3：使用随机霍夫变换空间计算初级处理点云数据法向量，采用PCA主成分分析计算对应的曲率特征得到次级处理点云； 步骤4：以法向量差值和曲率阈值作为限制条件，用区域生长算法对次级处理点云进行聚类分组，获得聚类平面，并采用RGB随机着色，得到层理断层类结构面识别结果； 步骤5：对初级处理点云采用马尔科夫随机场点领域特征预测法来计算表面特征，采用HSV着色区分，获得节理裂隙类结构面识别结果； 所述步骤2的具体处理过程为： 步骤2.1：对原始点云数据建立KDtree树形数据结构，统计原始点云总数N，并设置点云空间在x，y，z上的长度分别为L x，L y，L z； 步骤2.2：找出点云最小间距i min，以最小距离为单位长度，将点云空间分为n=l×w×h个小立方体，设置初始单位立方体大小l=L x×i min，w=L y×i min，h=L z×i min； 步骤2.3：计算每个非空体素质心点为，用所有质心点构建下采样数据点集P c； 步骤2.4：采用KDtree遍历质心点，并设置K=1进行以为中心的最邻近搜索，用离最近的邻近点替换，构成新的数据集P i，形成采样后点云，点云总数为N 1； 步骤2.5：判断，经测试10万点在数据下采样超过后会出现局部特征丢失的情况，须根据实际数据量大小，细节详细情况进行调整判断； 所述步骤3的具体处理过程为： 步骤3.1：进行随机霍夫变换空间计算点云数据法向量，构成法向量数集； 步骤3.2：使用PCA主成分分析计算曲率特征，该曲率并非数学意义上曲率，而是基于曲面变分的思想来近似曲率信息，是求解数据构成的协方差矩阵的特征值，具体过程为： 步骤3.2.1：根据KDtree数据结构，设置搜索领域点数K的值，设置初始计算点P i； 步骤3.2.2：围绕P i邻域K构建空间点坐标数据集P k； 步骤3.2.3：计算该数据集P k的协方差矩阵，构建协方差张量； 步骤3.2.4：依据协方差张量计算特征值并排序λ 1i≥λ 2i≥λ 3i≥0； 步骤3.2.5：计算P i表面曲率： （1） 步骤3.2.6：循环步骤3.2.2~步骤3.2.4，计算所有点曲率特征，构成曲率数集。

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三峡大学，其通讯地址为：443002 湖北省宜昌市西陵区大学路8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”。