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！

龙图腾网获悉广东工业大学申请的专利基于自注意力特征融合的带噪植株点云语义分割方法及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：CN116311218B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310002282.8，技术领域涉及：G06V20/64；该发明授权基于自注意力特征融合的带噪植株点云语义分割方法及系统是由曾安;陈扬设计研发完成，并于2023-01-03向国家知识产权局提交的专利申请。

本基于自注意力特征融合的带噪植株点云语义分割方法及系统在说明书摘要公布了：本发明涉及技术领域，公开了基于自注意力特征融合的带噪植株点云语义分割方法及系统；包括以下步骤：S1：获取二维序列图像；S2：根据二维序列图像进行三维重建，获取植株三维点云；S3：对植株三维点云进行预处理和人工标注，获得植株点云数据集；S4：构建基于自注意力特征融合的带噪植株点云语义分割网络，通过植株点云数据集训练所述的带噪植株点云语义分割网络；S5.通过训练好的带噪植株点云语义分割网络对植株点云进行语义分割，得到每个点的预测语义标签。本发明解决；额现有技术无法分割带有噪声点的植株场景的问题，且具有抗噪声、高通量、高精度的特点。

本发明授权基于自注意力特征融合的带噪植株点云语义分割方法及系统在权利要求书中公布了：1.基于自注意力特征融合的带噪植株点云语义分割方法，其特征在于：包括以下步骤： S1：获取二维序列图像； S2：根据二维序列图像进行三维重建，获取植株三维点云； 所述的步骤S2中，根据二维序列图像进行三维重建，获取植株三维点云，具体步骤为： S201.利用尺度不变特征变换算法在二维序列图像的图像尺度空间中寻找极值点，检测潜在的特征点，并选择最稳健的点作为最终特征点； S202.引入K维空间二叉树kd-tree模型，通过kd-tree模型计算二维序列图像的任意两张图像组成的图像对的最终特征点之间的欧氏距离得到其匹配度，通过匹配度的高低决定匹配点，并计算图像对的最终特征点点间对应关系和相机在三维空间中的相机姿态； S203.通过三角测量原理将图像对的相机姿态与其最终特征点对求解得到三维坐标，从而生成三维稀疏点云； S204.利用多视角立体集群算法对二维序列图像聚簇，然后用多视角拼接算法扩充稀疏点云得到稠密点云作为最终的植株三维点云 S3：对植株三维点云进行预处理和人工标注，获得植株点云数据集； 所述的带噪植株点云语义分割网络采用编码器解码器结构，包括4个自注意力特征融合模块、2个共享的完全连接层、3个上采样层； 带噪植株点云语义分割网络通过4个自注意力特征融合模块得到多层次的编码特征；将得到的特征通过3个上采样层进行逐层解码，没上采样层通过最近邻插值算法对输入的点云数据集点中的特征进行上采样，并利用跳跃连接与对应维度的编码层中间特征进行拼接；2个共享的完全连接层分别为dropout层和Log-SoftMax层；拼接后的点云依次通过dropout层和Log-SoftMax层，获得点云数据集中所有点的预测语义； S4：构建基于自注意力特征融合的带噪植株点云语义分割网络，通过植株点云数据集训练所述的带噪植株点云语义分割网络； S5.通过训练好的带噪植株点云语义分割网络对植株点云进行语义分割，得到每个点的预测语义标签。

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广东工业大学，其通讯地址为：510060 广东省广州市越秀区东风东路729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”。