Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
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 积分商城 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 > 北京工业大学张文利获国家专利权

北京工业大学张文利获国家专利权

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!

龙图腾网获悉北京工业大学申请的专利一种基于点云数据优化的零标注目标分割方法和系统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:CN119649033B

龙图腾网通过国家知识产权局官网在2025-10-10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:202411804080.6,技术领域涉及:G06V10/26;该发明授权一种基于点云数据优化的零标注目标分割方法和系统是由张文利;王陈惠子;蒋凯文设计研发完成,并于2024-12-09向国家知识产权局提交的专利申请。

一种基于点云数据优化的零标注目标分割方法和系统在说明书摘要公布了:本发明公开一种基于点云数据优化的零标注目标分割方法和系统。方法包括:通过基于自监督训练的点云数据优化方法,将待处理实际生产场景目标点云数据进行优化得到优化后实际生产场景目标点云数据;优化从结构完整度、数据密度和数据平滑度进行;基于已标注室内目标点云数据对标准点云分割网络进行训练得到已训练标准点云分割模型;已标注室内目标点云数据特点为目标的结构信息完整、数据密度高和数据平滑度高;将优化后实际生产场景目标点云数据输入已训练标准点云分割模型,获取目标的不同部分的分割结果,并获取相关的表型参数。避免实际生产场景采集的点云数据标注问题,保证目标的不同部分被准确分割的能力。

本发明授权一种基于点云数据优化的零标注目标分割方法和系统在权利要求书中公布了:1.一种基于点云数据优化的零标注目标分割方法,其特征在于,包括: S1,通过基于自监督训练的点云数据优化方法,将待处理实际生产场景目标点云数据进行优化得到优化后实际生产场景目标点云数据;其中,所述待处理实际生产场景目标点云数据的数据特点为残缺、稀疏和边缘模糊中的一种或多种;所述优化后实际生产场景目标点云数据的数据特点为完整、稠密和平滑中的一种或多种;所述优化从结构完整度、数据密度和数据平滑度进行; S2,基于已标注室内目标点云数据对标准点云分割网络进行训练得到已训练标准点云分割模型;所述已标注室内目标点云数据的数据特点为目标的结构信息完整、数据密度高和数据平滑度高; S3,将所述优化后实际生产场景目标点云数据输入所述已训练标准点云分割模型,获取所述目标的不同部分的分割结果,并获取相关的表型参数; 所述S1包括: S11,通过数据对构建策略以及自监督方法训练点云数据级联优化网络TP-PCONet; S12,通过基于雪花扩散的点云补全、基于逐步细化的点云上采样和基于边缘热力值的点云细化三个步骤,依次对待处理实际生产场景目标点云数据进行主干、表面和轮廓三方面约束,得到所述优化后实际生产场景目标点云数据; 所述S11包括: 1以室内高质量点云数据为输入,通过基于实际生产场景点云特性的数据对构建策略获得仿真生产场景点云数据,并基于所述仿真生产场景点云数据构建训练数据对;所述实际生产场景点云特性的数据对构建策略包括:以室内高质量点云数据为输入,同时预设处理时的残缺系数、稀疏系数和噪声系数以分别实施表面残缺模拟、整体稀疏化以及噪声添加,从而模拟所述目标的遮挡、晃动以及数据采集过程中导致的点云数据变化,将处理后得到的所述仿真生产场景点云数据作为输出;所述通过基于实际生产场景点云特性的数据对构建策略获得仿真生产场景点云数据包括:首先,将所述室内高质量点云数据进行归一化操作;然后在所述室内高质量点云数据中随机选择个点,作为点云空间中生成的正方体的中心,并设置棱长;随后在输入的所述室内高质量点云数据中去掉属于正方体中的点,得到处理后的残缺点云数据;最后对所述处理后的残缺点云数据进行随机下采样倍,并添加倍标准差的高斯噪声,最后得到所述仿真生产场景点云数据; 2基于所述训练数据对和自监督学习方法训练所述点云数据级联优化网络TP-PCONet,包括:设置上采样网络PUCRN为基线模型;在基线模型中基于逐步细化的点云上采样模块的基础上,引入了基于雪花扩散的点云补全模块和基于边缘热力值的点云细化模块构成所述点云数据级联优化网络TP-PCONet,所述基于雪花扩散的点云补全模块、基于逐步细化的点云上采样模块和基于边缘热力值的点云细化模块的输入和输出与所述训练数据对中关于同一目标的优化前低质量和优化后高质量点云数据对应;基于所述训练数据对和自监督学习方法训练所述点云数据级联优化网络TP-PCONet,所述训练数据对分为训练前的所述点云数据级联优化网络TP-PCONet的网络输入值和训练真值,所述训练用于挖掘所述训练数据对的内部固有结构和映射关系以获得所述点云数据级联优化网络TP-PCONet。

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工业大学,其通讯地址为:100124 北京市朝阳区平乐园100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。

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。