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！

龙图腾网获悉北京航空航天大学申请的专利基于多模态和多尺度亲和关系的点云弱监督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：CN116091775B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310175984.6，技术领域涉及：G06V10/26；该发明授权基于多模态和多尺度亲和关系的点云弱监督语义分割方法是由张晶;李夏薇;许清源设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本基于多模态和多尺度亲和关系的点云弱监督语义分割方法在说明书摘要公布了：本发明公开了一种基于多模态和多尺度亲和关系的点云弱监督语义分割方法，包括：获取场景级点云数据；构建语义分割网络架构；所述语义分割网络具有两个支路和一个亲和关系增强模块；两个支路分别提取场景级点云数据的多尺度空间特征和多尺度颜色纹理特征；亲和力关系增强模块对多尺度下的空间特征和颜色纹理特征进行拼接，并构造亲和力关系矩阵；语义分割模块分别根据多尺度下的空间特征和颜色纹理特征进行语义分割预测，并利用亲和力关系矩阵对预测结果进行优化。本发明通过考虑不同尺度物体的亲和关系，以及点云不同模态信息，可辨别空间或颜色纹理易混淆的对象。

本发明授权基于多模态和多尺度亲和关系的点云弱监督语义分割方法在权利要求书中公布了：1.一种基于多模态和多尺度亲和关系的点云弱监督语义分割方法，其特征在于，包括： 获取场景级点云数据，所述场景级点云数据包含多个场景及每个场景的类别标签； 构建语义分割网络架构；所述语义分割网络具有两个支路和一个亲和关系增强模块，两个支路均包含特征提取模块和语义分割模块； 在训练阶段，其中一个支路输入场景级点云数据的完整点云信息，且该支路上的特征提取模块提取场景级点云数据的多尺度颜色纹理特征；另一个支路输入场景级点云数据的空间信息，且该支路上的特征提取模块提取所述场景级点云数据的多尺度空间特征； 所述亲和关系增强模块对多尺度下的空间特征和颜色纹理特征进行拼接，并构造亲和力关系矩阵； 两个支路上的所述语义分割模块分别根据多尺度下的空间特征和颜色纹理特征进行语义分割预测，并利用所述亲和力关系矩阵对预测结果进行优化； 所述场景级点云数据的表示形式为： 其中，D表示场景级点云数据；P∈RN×3+K，表示第m个点云场景，输入信息包括3D坐标和其他K维特征；RN×3+K表示某一点云场景，R表示实数，N表示该场景中点的个数，3表示XYZ共3个坐标；y∈0,1，表示场景的类别标签，每个场景包含C个类别；M表示点云场景的数量； 所述亲和力关系矩阵的构造过程为： 将所述特征提取模块其中一个支路中不同上采样层提取的空间特征进行拼接，得到空间特征拼接结果 其中，分别表示所述特征提取模块中不同上采样网络获得的特征，表示F1特征的维度是N1×d1，表示F2特征的维度是N1×d2，N1表示张量长度，d1表示F1特征的张量宽度，d2表示F2特征的张量宽度；由所述语义分割模块中的教师网络上采样获得，聚合了高度抽象特征，表示Fu特征的维度是N1×du，du表示Fu特征的张量宽度； 将所述特征提取模块另一个支路中不同上采样层提取的颜色纹理特征进行拼接，得到颜色纹理特征拼接结果 根据所述空间特征拼接结果和所述颜色纹理特征拼接结果的余弦相似度，构造亲和力关系矩阵，其表达式为： 其中，i,j＝1,2,…,N1；表示亲和力关系矩阵，其维度为2N1×2N1；θ表示挑选亲和关系矩阵的阈值；·表示内积，||·||表示l2归一化；FM[i,·]表示亲和力关系矩阵的第i行向量；FM[j,·]表示亲和力关系矩阵的第j行向量。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。