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！

龙图腾网获悉电子科技大学申请的专利一种基于局部几何轮廓和全局拓扑结构保持的点云分类/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：CN120014362B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510188300.5，技术领域涉及：G06V10/764；该发明授权一种基于局部几何轮廓和全局拓扑结构保持的点云分类/分割方法是由袁上博;朱晓峰;胡平;杨龙宇设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本一种基于局部几何轮廓和全局拓扑结构保持的点云分类/分割方法在说明书摘要公布了：本发明公开了一种基于局部几何轮廓和全局拓扑结构保持的点云分类分割方法，首先通过邻域关系构建模块，依据空间距离构建邻域关系图，其中，空间距离计算和k‑近邻算法精确捕捉点云数据中复杂的几何和语义信息，增强了特征提取的准确性和鲁棒性，同时，邻域关系图自扩散机制进一步增强点云局部与全局特征的关联性，使模型能够更好地捕捉点云的几何轮廓形状和全局拓扑结构特征，这样充分考虑了点云数据中的几何分布特性，增强了模型对点云局部几何细节的敏感性，有效增强了局部特征聚合的效率，减少了冗余信息的影响，避免了仅依赖最近邻方法提取特征的方法导致的特征冗余，提升了点云分类和分割任务的精度，同时加强了全局信息的共享实现了点云分类与分割任务的准确性和鲁棒性的显著提升。

本发明授权一种基于局部几何轮廓和全局拓扑结构保持的点云分类/分割方法在权利要求书中公布了：1.一种基于局部几何轮廓和全局拓扑结构保持的点云分类分割方法，其特征在于，包括以下步骤： 1、采用多级串联的特征提取器对点云数据进行特征提取 第一级特征提取器将点云数据中点的三维坐标作为输入特征，之后的特征提取器将前一级特征提取器输出的特征作为输入特征，每一级特征提取器包括邻域关系构建模块、邻域关系扩散模块，特征提取网络以及最远点采样模块，在每一级特征提取器中，将输入特征分别输入到邻域关系构建模块； 1.1、获取邻域关系图 在邻域关系构建模块中，首先依据输入特征计算每个点到其它点之间的空间距离，然后根据空间距离从点云数据中确定每个点的邻域点集合即通过选取前k个最小空间距离构建邻域关系图A，将非对称的邻域关系图A转换为对称矩阵并进行归一化处理，所述邻域关系图的归一化为： 其中，A表示邻域关系图，D表示邻域关系图的度矩阵； 1.2、利用自扩散机制进行特征的传播与强化 在邻域关系扩散模块中，将获取的邻域关系图利用自扩散机制进行特征的传播与强化，从而快速扩展到点云表面轮廓点，最后确定扩散后的邻域关系图中的指定维度上的前k个最大值及索引作为特征提取网络的输入特征，其中，自扩散机制计算公式为： 其中，下标n表示扩散次数，上标n+1、n-i表示幂次，α为自定义参数，用于调节局部邻域视野范围； 1.3、提取特征 所述特征提取网络为多层串联式神经网络，每一层神经网络由两个二维卷积层和一个最大池化层组成，其更新函数为带有残差连接的邻域特征聚合函数，具体为： 其中，hi n为第n层神经网络第i个点的输入特征，hi n+1为第n层神经网络第i个点的输出特征，pi为第i个点的点云坐标，Ni表示第i个点的邻域点集合，j表示邻域点集合Ni中的第j个点，pj为邻域点集合Ni中第j个点的点云坐标，Θ与Φ分别为两个二维卷积层的参数，max为最大池化函数，括号中的逗号表示拼接； 特征提取网络的输入特征输入第一层神经网络，特征提取网络最后一层的输出特征即为提取特征； 1.4、最远点采样 在最远点采样模块中采用最远点采样方法，依据提取特征，通过迭代选取最远点，从点云数据中提取代表性点集合，代表性点集合中各点对应的特征构成点云数据的特征； 2、点云分类分割 采用分类分割输出头，根据点云数据的特征进行分类分割，得到点云分类分割结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。