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！

龙图腾网获悉东南大学申请的专利基于三维拓扑网络的沿街风貌高精度自动识别与分类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：CN119600452B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411690161.8，技术领域涉及：G06V20/10；该发明授权基于三维拓扑网络的沿街风貌高精度自动识别与分类方法是由杨俊宴;谭梦扬;章飙;邵典;刘新辙设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本基于三维拓扑网络的沿街风貌高精度自动识别与分类方法在说明书摘要公布了：本发明公开一种基于三维拓扑网络的沿街风貌高精度自动识别与分类方法，包括现状街景图像数据采集、三维形态点云数据预处理、三维拓扑网络构建、街道类型识别、类型识别结果校验和人机交互展示反馈。该方法通过使用街道三维空间形态点云数据，采用图神经网络技术来自动识别与分类街道三维空间形态。本发明能够应对城市规划领域街道空间类型识别，建立基于图神经网络技术的街道三维空间形态类型数据库，实现街道三维空间形态类型的自动识别与分类，用精准量化的方式提升城市街道三维空间识别与分类的准确性，为城市街道空间三维形态的精细化管控提供有力的支撑和可靠的依据。

本发明授权基于三维拓扑网络的沿街风貌高精度自动识别与分类方法在权利要求书中公布了：1.基于三维拓扑网络的沿街风貌高精度自动识别与分类方法，其特征在于，包括如下步骤： 步骤一：数据采集 使用带有GPS定位、有效像素6400DPI以上、精度100mm以上的三维立体扫描仪采集目标城区范围内街道各沿街侧三维形态点云数据；利用带有GPS定位、颜色深度48位以上、分辨率8K以上的便携式全景影像采集仪采集目标城区范围内街道两侧街景图像数据； 步骤二：数据预处理 利用所采集的各街道沿街侧的GPS定位数据，进行三维形态点云数据与街景图像数据的初始对齐；在三维形态点云数据与街景图像数据中提取特征点，对街景图像数据进行拉伸变形，进行三维形态点云数据与街景图像数据的特征点对齐；使用ICP算法将街景图像数据映射于三维形态点云数据的各三维点位坐标，进行三维形态点云数据与街景图像数据的点阵对齐； 步骤三：三维拓扑网络构建 利用搭载显存24GB以上、显存位宽384位以上图形处理单元的图形工作站，将各街道各沿街侧根据三维形态点云数据的各三维点位坐标，建立三维拓扑网络的节点；各节点根据点位坐标信息，提取进行点阵对齐后的街景图像数据在该坐标的图像色彩、图像纹理信息，以及三维形态点云数据在该坐标的表面曲率、法线朝向信息；各节点两两连接，建立三维拓扑网络的连线；各连线中，包含其两端节点在三维点位坐标、图像色彩、图像纹理、表面曲率、法线朝向方面的差异数值；使用全局优化方法进行节点与连线信息的数据筛选； 步骤四：街道类型识别 通过图神经网络将各街道各沿街侧根据三维拓扑网络中的节点与连线建立节点拓扑特征矩阵与连线拓扑特征矩阵；构建图卷积层，用于分别聚合节点与其邻接节点的拓扑相似性特征，按照邻接关系进行图卷积层的堆叠进一步获取更大范围的邻接信息；添加输出层，用以输出各街道各沿街侧中各类型拓扑特征的邻接关系的节点数量及其比例；通过全连接神经网络建立街道三维形态分类模型，根据街道三维形态类型训练数据库的训练，输入各街道各沿街侧中各类型拓扑特征的邻接关系的节点数量及其比例，进而判定各街道各沿街侧的具体类型； 步骤五：类型识别结果校验 按照不少于20％的比例抽取各街道各沿街侧的数据作为街道三维形态类型校验数据集；计算校验数据集中各街道各沿街侧的各项全图拓扑特征与训练数据库中各样本数据的各项全图拓扑特征的差异度，并计算差异度均值；差异度均值最小时，若校验数据集中待校验的街道三维形态类型识别结果与训练数据库中对应样本的街道三维形态类型相同，则通过校验；否则不通过校验，返回步骤四并调整该类样本数据的各项全图拓扑特征参数区间数值； 步骤六：人机交互展示反馈 将目标城区街道空间三维形态类型谱系数据库的数据，导入搭载穿戴式三维动捕系统、8K分辨率以上显示大屏的全息沙盘展示设备，展示目标城市总体的街道空间三维形态的类型构成，以及各街道各沿街侧所属的具体类型，进行人机虚拟交互并记录反馈信息。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。