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！

龙图腾网获悉中国科学技术大学申请的专利一种基于自适应卷积和局部几何信息的点云语义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：CN115272696B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202210887467.7，技术领域涉及：G06V10/26；该发明授权一种基于自适应卷积和局部几何信息的点云语义分割方法是由凌强;侯宇森设计研发完成，并于2022-07-26向国家知识产权局提交的专利申请。

本一种基于自适应卷积和局部几何信息的点云语义分割方法在说明书摘要公布了：本发明涉及一种基于自适应卷积和局部几何信息的点云语义分割方法及系统，其方法包括：步骤S1：输入点云信息，通过最远点采样和球查询法构建点云邻域；步骤S2：对每个点云邻域提取特征，输出自适应卷积核Kernel；步骤S3：构建点云邻域的局部几何描述符Dij，将Kernel与Dij相乘，得到点云邻域内每个点云的特征hij，利用最大值池化进行特征聚合，得到点云邻域的特征fi’，最后将fi’输入多层感知机来提取深层语义特征fout，重复S1‑S3，直到将原始点云下采样为预设的m个特征向量表示；步骤S4：通过加权线性插值进行上采样，然后通过卷积和全连接层得到每个点云的预测语义标签，得到点云语义分割结果。本发明提供的方法体现了不同邻域间的特征差异，提升点云语义分割效果。

本发明授权一种基于自适应卷积和局部几何信息的点云语义分割方法在权利要求书中公布了：1.一种基于自适应卷积和局部几何信息的点云语义分割方法，其特征在于，包括： 步骤S1：输入点云信息，通过最远点采样和球查询法构建点云邻域； 步骤S2：对每个所述点云邻域提取特征，输出自适应卷积核； 步骤S3：构建所述点云邻域的局部几何描述符，将与相乘，得到所述点云邻域内每个点云的特征，利用最大值池化进行特征聚合，得到所述点云邻域的特征，最后将输入多层感知机来提取深层语义特征，重复S1‑S3，直到将原始点云下采样为预设的m个特征向量表示，具体包括： 步骤S31：构建所述点云邻域的局部几何描述符，其中， 表示所述点云邻域的中心点的三维位置，表示所述点云邻域的邻居点的三维位置，表示和之间的欧氏距离；； 步骤S32：用所述自适应卷积核与所述局部几何描述符相乘，然后利用激活函数，得到邻域内每个点云的特征，如公式3所示：   3其中，σ表示ReLu激活函数， , 表示矩阵相乘； 步骤S33：利用最大池化对进行聚合，得到所述点云邻域的特征，如公式4所示：   4其中，x表示Max Pooling；表示点云邻域i的邻居点集合，表示聚合后的点云邻域i的特征表示； 步骤S34：最后将输入多层感知机，输出所述点云邻域的深层语义特征，如公式5所示：   5步骤S35：将作为输入点云信息，重复步骤S1‑S3，直到将原始点云下采样为m个特征向量表示，m为预先设定的数目； 步骤S4：通过加权线性插值对m个所述特征向量表示进行上采样，然后通过卷积和全连接层得到每个点云的预测语义标签，得到最终的点云语义分割结果。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。

以上内容由龙图腾AI智能生成。