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！

龙图腾网获悉北京理工大学申请的专利一种自回归生成式点云转换器预训练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：CN116597240B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202310563276.X，技术领域涉及：G06V10/766；该发明授权一种自回归生成式点云转换器预训练方法是由王美玲;陈光彦;余凯;袁粒;岳裕丰设计研发完成，并于2023-05-18向国家知识产权局提交的专利申请。

本一种自回归生成式点云转换器预训练方法在说明书摘要公布了：本发明提供了一种自回归生成式点云转换器预训练方法，采用双重掩蔽策略可以有效地降低点云数据的冗余度，并提供有效的预训练任务，对于促进有益的表示学习和增强预训练模型的泛化能力有显著的效果；相对方向提示可以防止模型过度拟合图像块的顺序，从而提高了模型在下游任务中的泛化能力；提取器‑生成器结构，特别是与深度生成器相结合时，可以减小生成和下游任务之间的差距，从而在整体上获得更好的性能；在具体效果上，本方法相比于现有方法具有更强的泛化能力，并且相比于现有方法，本方法率先探索了点云单模态大模型预训练效果，并在所有自监督方法中取得了最佳的水平。

本发明授权一种自回归生成式点云转换器预训练方法在权利要求书中公布了：1.一种自回归生成式点云转换器预训练方法，其特征在于，建立预训练网络，包括点云序列生成器和自生成预训练器；其中，点云序列生成器包括点云块分割模块、排序模块和嵌入模块；自生成预训练器包括提取器、生成器以及预测头模块；所述提取器和生成器采用转换器解码块实现； 将给定点云X送入点云序列生成器； 所述点云块分割模块使用最远点采样FPS对点云X进行采样，得到多个中心点C，数量用n表示；然后利用KNN算法从X中选择每个中心点的k个最近点来构造n个点块P； 所述排序模块采用莫顿编码将中心点C的坐标嵌入到一维空间中，并进行排序以获得莫顿曲线；然后，相应地按照相同的顺序排列点块P；得到排序后的中心点序列Cs和点块序列Ps； 所述嵌入模块采用PointNet网络将已排序的点块Ps嵌入到D维令牌T中； 将令牌T送入提取器，其中的自注意力机制采用的是双重掩码策略，具备双重掩码的自注意力SelfAttention如下所示： 上式中，Q,K,V是使用不同权重的D个通道对T进行编码的结果；在设置双重遮蔽矩阵Md时，需要遮蔽的元素被设为0，不需要遮蔽的元素被设为1； 令牌T在所述提取器中处理得到令牌 上式中，APE表示采用正弦位置编码PE将中心点坐标映射到绝对位置的编码； 将提取的令牌输入到生成器，生成点令牌Tg： 其中，表示令牌中1到n'个元素，n'＝n-1；RDP表示点块序列Ps中点块之间的相对方向指示； 采用预测头模块将令牌Tg投影到向量中，经过两层MLP处理，输出通道的数量等于一个点块中点的总数，然后再将其重新构造成维度为n'×k×3的预测点块集Ppd：其中，预测头模块包括两层MLP，每层均由FC层和ReLU激活函数构成； 对于预测点块集Ppd和对应于排序点块Ps中最后n'个块的真值点块Pgt，生成使用l1和l2形式的倒角距离来定义损失则得到整个网络的损失 其中， 然后，基于网络的损失使用一个带标签的混合数据集对预训练网络进行有监督训练，以融合来自多个来源的语义； 最后对预训练网络在目标数据集上进行微调，完成预训练。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。