Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国人民解放军国防科技大学张志远获国家专利权

中国人民解放军国防科技大学张志远获国家专利权

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!

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于邻域几何嵌入的点云学习特征表示方法及装置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:CN120599434B

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:202511103591.X,技术领域涉及:G06V10/80;该发明授权基于邻域几何嵌入的点云学习特征表示方法及装置是由张志远;石钧方;潘之梁;户盼鹤;刘永祥设计研发完成,并于2025-08-07向国家知识产权局提交的专利申请。

基于邻域几何嵌入的点云学习特征表示方法及装置在说明书摘要公布了:本申请涉及一种基于邻域几何嵌入的点云学习特征表示方法及装置。所述方法包括:获取车辆周围三维空间环境的3D点云数据;对3D点云数据进行特征提取,得到初始点特征表示;利用预先设置的邻域确定策略构建目标点的多尺度邻域;在多尺度邻域内每个邻域中根据邻域点特征聚合模型从初始点特征表示中学习每个邻近点响应图,得到多尺度特征;对多个多尺度特征进行特征融合,得到最终的点云学习特征表示。采用本方法能够提供可靠的点云特征表达。

本发明授权基于邻域几何嵌入的点云学习特征表示方法及装置在权利要求书中公布了:1.一种基于邻域几何嵌入的点云学习特征表示方法,其特征在于,所述方法包括: 获取车辆周围三维空间环境的3D点云数据;对所述3D点云数据进行特征提取,得到初始点特征表示;利用预先设置的邻域确定策略构建目标点的多尺度邻域; 在所述多尺度邻域内每个邻域中根据邻域点特征聚合模型从初始点特征表示中学习每个邻近点响应图,得到多尺度特征; 对多个多尺度特征进行特征融合,得到最终的点云学习特征表示; 所述邻域点特征聚合模型包括几何感知模块、通道关联模块和响应图生成模块;在所述多尺度邻域内每个邻域中根据邻域点特征聚合模型从初始点特征表示中学习每个邻近点响应图,得到多尺度特征,包括: 在所述几何感知模块对所述初始点特征表示通过自注意力机制进行特征增强,得到增强后特征; 在所述通道关联模块对所述增强后特征进行通道关联,得到关键特征; 在所述响应图生成模块根据关键特征生成响应图并通过Top‑K截断保留关键点特征; 在所述几何感知模块对所述初始点特征表示通过自注意力机制进行特征增强,得到增强后特征,包括: 计算查询Q、键K、值V,根据查询Q和键K生成自注意力图并通过加权聚合后得到特征映射;基于自注意力图M对V进行加权平均,形成相关信息S,即;根据残差原理对输入初始点特征表示进行增强,得到增强后特征,表示初始点特征表示; 在所述通道关联模块对所述增强后特征进行通道关联,得到关键特征,包括: 给定增强后特征Γ,取所有邻近点的平均值来产生一个全局表示,即,其中表示平均操作; 在φ上采用全连通网络,学习一个表示关键通道的通道图s,其中,表示由ν参数化的全连接网络; 在通道图的基础上进一步更新增强后特征,即得到关键特征。

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人民解放军国防科技大学,其通讯地址为:410073 湖南省长沙市开福区德雅路109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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。