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！

龙图腾网获悉上海理工大学申请的专利基于增强图卷积的3D点云表征学习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：CN116681897B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310734600.X，技术领域涉及：G06V10/26；该发明授权基于增强图卷积的3D点云表征学习方法是由王文举;陈罡;周浩然;王晓琳设计研发完成，并于2023-06-20向国家知识产权局提交的专利申请。

本基于增强图卷积的3D点云表征学习方法在说明书摘要公布了：本发明提供了一种基于增强图卷积的3D点云表征学习方法，具有这样的特征，包括以下步骤：步骤S1，根据成对距离计算的knn算法得到无序点的k个邻域点；步骤S2，根据无序点和k个邻域点，构建得到无序点的局部邻域图；步骤S3，对点坐标和点特征分别进行全局特征增强，得到点坐标全局特征增强表示和点特征全局特征增强表示；步骤S4，计算得到注意力机制的向量Query、向量Key和向量Value，以及位置编码；步骤S5，根据点特征、向量Query、向量Key、向量Value和位置编码计算得到局部邻域图特征。总之，本方法能够提高点云分割和分类的精度及准确率。

本发明授权基于增强图卷积的3D点云表征学习方法在权利要求书中公布了：1.一种基于增强图卷积的3D点云表征学习方法，用于提取包含n个无序点的点云集合X中无序点xa的局部邻域图特征其特征在于，包括以下步骤： 步骤S1，根据成对距离计算的knn算法，从所述点云集合X中选取k个所述无序点，作为所述无序点xa的邻域点； 步骤S2，根据所述无序点xa和k个所述邻域点，构建得到无序点xa的局部邻域图g，所述局部邻域图g包含的特征信息包括点坐标和点特征 步骤S3，对所述点坐标和所述点特征分别进行全局特征增强，得到点坐标全局特征增强表示和点特征全局特征增强表示 步骤S4，根据所述点坐标所述点特征所述点坐标全局特征增强表示和所述点特征全局特征增强表示计算得到注意力机制的向量Query、向量Key和向量Value，以及位置编码 步骤S5，根据所述点特征所述向量Query、所述向量Key、所述向量Value和所述位置编码计算得到所述局部邻域图特征 其中，所述步骤S5包括以下子步骤： 步骤S5-1，根据所述位置编码所述向量Query和所述向量Key，计算得到特征图 步骤S5-2，根据所述向量Value和所述特征图计算得到自注意力计算结果 步骤S5-3，对所述自注意力计算结果和所述点特征进行一次残差连接，得到边特征集合 步骤S5-4，对所述边特征集合进行聚合，得到所述局部邻域图特征 所述特征图的公式为： 所述自注意力计算结果的公式为： 所述边特征集合的公式为： 所述局部邻域图特征的公式为： 式中，dk为所述向量Key的维度，CoBN为经过1×1卷积和batch_normalization处理，LR为leaky_relu激活函数，为特征聚合函数。

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上海理工大学，其通讯地址为：200093 上海市杨浦区军工路516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。