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！

龙图腾网获悉苏州大学申请的专利一种基于深度学习的三维测量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：CN116778156B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202310658391.5，技术领域涉及：G06V10/26；该发明授权一种基于深度学习的三维测量分割方法是由张雷;田宇;卢磊;樊成;梁福生设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本一种基于深度学习的三维测量分割方法在说明书摘要公布了：本申请公开了一种基于深度学习的三维测量分割方法，使用深度模型自动分割识别工件点云，在深度学习网络模型上，为了将全局特征和局部特征融合学习，深度学习网络模型基于特征融合的思想，使用U‑Net网络结构，在采样层使用基于点云相似度的差异度下采样，旨在解决选取编码层每层特征最为突出的感受域来学习点云特征的问题；深度学习网络模型通过自注意力机制提取优化感受域局部特征，借鉴多层感知机混合器里的空间混合多层感知机建立感受域之间的全局联系提取感受域全局特征，在此基础上通过卷积网络进行局部特征和全局特征的特征融合学习，以提高工件点云自动识别分割的准确性。

本发明授权一种基于深度学习的三维测量分割方法在权利要求书中公布了：1.一种基于深度学习的三维测量分割方法,其特征在于，包括以下步骤: 步骤1,使用深度模型自动分割识别工件点云； 步骤2,先使用采样层和分组层提取当前输入点云的感受域,再通过邻域自注意力层提取和优化感受域的局部特征,然后通过空间混合多层感知机提取感受域全局特征,最后通过2D卷积层将感受域局部特征和全局特征交互提取得到一层编码层特征； 步骤3,将上一层编码层特征作为输入，再次重复步骤2的编码操作两次得到整个点云的编码特征；所述步骤3包括以下子步骤: 步骤3.1,将通过输入嵌入的特征定义为原始点云特征； 步骤3.2,遵循U-Net结构，编码层需进行三次,三层编码层采样的感受域个数分别为512,128,1；感受域半径分别为0.2,0.4,1；近邻点数分别为32,64,128；提取的特征维度分别为128,256,1024；三层感受域分别定义为感受域1、感受域2和感受域3；得到的编码特征分别定义为编码特征1、编码特征2和编码特征3；搜索近邻点时,当感受域内的近邻点的个数不够时,则重复第一个点的坐标； 步骤4,先将整个点云的编码特征通过邻域自注意力层优化，拼接到对应层的编码特征上,然后将拼接特征通过特征传播层解码得到一层解码层特征；所述步骤4包括以下子步骤： 步骤4.1,利用K均值聚类算法搜索感受域2最近的3个感受域3,并通过邻域自注意力层对感受域3的编码特征3进行特征优化,然后与感受域2的编码特征2进行拼接； 步骤4.2,利用特征传播层对拼接的点云特征进行解码传播到感受域2上，得到解码特征1； 步骤5,将上一层解码层特征作为输入，再次重复步骤4的解码操作两次直到将解码层特征拼接到最初的原始点云进行解码，获得点云每个点的解码层特征；所述步骤5具体包括以下子步骤: 步骤5.1,在第一层解码的基础上进行第二层解码； 步骤5.1.1,利用K均值聚类算法搜索感受域1最近的3个感受域2,并通过邻域自注意力层对感受域2的解码特征1进行特征优化,然后与感受域1的编码特征1进行拼接； 步骤5.1.2,利用特征传播层对拼接的点云特征进行解码传播到感受域1上，得到解码特征2； 步骤5.2,在第二层解码的基础上进行第三层解码； 步骤5.2.1,利用K均值聚类算法搜索输入点云最近的3个感受域1,并通过邻域自注意力层对感受域1的解码特征2进行特征优化,然后与原始点云特征进行拼接； 步骤5.2.2,利用特征传播层对拼接的点云特征进行解码传播到原始点云上，得到解码特征3； 步骤6,利用全连接网络得到点云中每个点的预测分类,实现分割任务。

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苏州大学，其通讯地址为：215006 江苏省苏州市姑苏区十梓街1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”。