青岛大学苏洪磊获国家专利权
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！
龙图腾网获悉青岛大学申请的专利一种基于支持向量机的降参考点云质量评估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：CN115294010B 。
龙图腾网通过国家知识产权局官网在2025-11-14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：202210084819.5，技术领域涉及：G06T7/00；该发明授权一种基于支持向量机的降参考点云质量评估方法是由苏洪磊;刘祺;吕剑雨设计研发完成，并于2022-01-25向国家知识产权局提交的专利申请。
本一种基于支持向量机的降参考点云质量评估方法在说明书摘要公布了：本发明属于图像处理技术领域,涉及一种基于支持向量机的降参考点云质量评估方法，先提取点云中所有可能影响点云质量的特征，再选择最有效特征为下一步的支持向量机的训练过程和测试过程提供特征向量信息，并对训练集中的所有点云都提取四个有效特征向量，将其MOS值和特征向量信息写入训练集，利用支持向量机以及训练集信息训练得到模型，最后利用训练得到的模型对测试集里的特征向量信息进行测试，预测出失真点云的质量；在保证准确率的同时大大节省了算法的时间和存储成本，增加了其实用性，而且该方法具有很强的泛化能力，能够根据训练集的扩大和优化而不断的自动进行模型的更新，更加准确的预测出点云的质量。
本发明授权一种基于支持向量机的降参考点云质量评估方法在权利要求书中公布了：1.一种基于支持向量机的降参考点云质量评估方法，其特征在于，具体包括以下步骤： 1点云特征提取：分别提取点云压缩特征、点云几何特征、点云法向特征、曲率特征和颜色特征； 2特征选择：对步骤1中提取的点云特征使用最小绝对收缩和选择算子预测器选择最有效的特征组成特征集；具体为：使用最小绝对收缩和选择算子预测器，通过最小化残差平方和来估计线性回归系数的向量，最小化残差平方和受到系数向量的l1范数的约束： 13 式中，X表示特征值，表示的是特征对应的系数； 3支持向量机训练预测：先将点云数据分为训练集和测试集，其中训练集和测试集各占50%，且训练集和测试集的点云内容互不重合；再将训练集中每个的点云都输入步骤2选择的特征集中对应的特征向量和标签平均主观意见分数得到支持向量机模型；然后将测试集中每个的点云都输入其特征向量，采用训练后的支持向量机模型直接求出测试集中的点云的预测质量。
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青岛大学，其通讯地址为：266000 山东省青岛市崂山区宁夏路308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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励