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！

龙图腾网获悉河北工业大学申请的专利基于弱监督动态卷积的点云实例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：CN119360383B 。

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：202411489332.0，技术领域涉及：G06V20/70；该发明授权基于弱监督动态卷积的点云实例分割方法是由周天璇;郎利影;曹振林设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本基于弱监督动态卷积的点云实例分割方法在说明书摘要公布了：本发明属于点云数据处理技术领域，具体是一种基于弱监督动态卷积的点云实例分割方法。首先，获取场景的三维点云数据，并进行预处理；然后，构建三维点云实例分割模型，包括主干网络、预测头、实例编码器和实例解码器，预测头包括语义分割预测头和实例核预测头；主干网络用于提取点云特征，语义分割预测头用于点的语义分割预测，实例核预测头用于实例核预测进而为每个实例都生成一个实例核；实例编码器对属于同一语义类的所有实例核进行编码，得到实例编码特征；实例解码器对实例编码特征进行解码，得到实例掩码；每个语义类都对应一个实例编码器和实例解码器。通过对实例的局部特征进行建模得到实例核，并且采用盒监督动态卷积的弱监督学习方式，利用已标注的实例的包围盒对模型进行训练，为模型提供几何先验，解决了对具有相同语义类的邻近实例重叠或者密集堆积分割效果差的问题。

本发明授权基于弱监督动态卷积的点云实例分割方法在权利要求书中公布了：1.一种基于弱监督动态卷积的点云实例分割方法，其特征在于，该方法包括以下步骤： 第一步：获取场景的三维点云数据，并进行预处理； 第二步：构建三维点云实例分割模型，包括主干网络、预测头、实例编码器和实例解码器，每个语义类对应一个实例编码器和实例解码器；预测头包括语义分割预测头和实例核预测头； 利用主干网络提取点云特征，将点云特征输入到语义分割预测头中进行逐点语义分割预测，得到各点的语义类预测标签； 实例核预测头根据语义分割预测结果，从属于同一语义类的各个实例中分别选取一个候选点，一共选取个候选点，表示属于同一语义类的实例数量；基于候选点对前景点进行采样，得到候选点的近邻点集，满足下式： 1式中，是第个候选点的近邻点集，是第个采样点，是前景点集合，是基于第个候选点的第个采样点的实例掩码，为超参数； 计算候选点与各个近邻点之间的距离，并对距离进行归一化，得到候选点的邻域；通过多层感知机将各个候选点的点云特征与邻域分别转化为实例特征，各个实例特征分别经过一个线性层预测得到实例核； 将属于同一语义类的所有实例核输入到一个实例编码器中，通过并行的卷积层进行实例特征映射，特征映射过程表示为： 3式中，是第个实例特征映射，表示卷积操作，是第个候选点的点云特征，是第个实例的包围盒，是第个实例的包围盒与点云特征的绝对差值向量，是第个实例核； 将属于同一语义类的所有实例特征映射进行注意力动态聚合，得到实例编码特征，表示为： 4式中，是第个语义类的实例编码特征，是第个实例特征映射的注意力权重，是卷积核偏置向量； 实例解码器对实例编码特征进行解码得到实例掩码，完成实例分割； 第三步：对三维点云实例分割模型进行训练，将训练后的三维点云实例分割模型用于点云实例分割。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院；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。