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！

龙图腾网获悉丽水学院申请的专利基于点云概率分布学习的生成装置及其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：CN115908697B 。

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：202211280045.X，技术领域涉及：G06T17/00；该发明授权基于点云概率分布学习的生成装置及其方法是由沈洋;许振楠;张海博;卢诚波;包艳霞;许浩设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本基于点云概率分布学习的生成装置及其方法在说明书摘要公布了：本发明公开了一种基于点云概率分布学习的生成方法，包括：在生成器中加入一个改进的映射网络用以学习点云的概率分布；结合风格迁移改变点云的概率分布，达到改变生成点云位置的概率分布的效果；基于局部邻域Transformer层，构造完整的用于三维点云生成的分类器及判别器。本发明通过风格迁移改变点云位置的概率分布，使生成的点云更加均匀，并且更具规则性提高了模型训练的效率；在分类器及判别器中使用一种新的用于点云学习的局部邻域点云Transformer，本发明通过最远点采样和K最邻近分类算法取得邻域后，计算局部自注意力，并在此基础上设计金字塔式的网络结构更好的捕获点云中的上下文信息。

本发明授权基于点云概率分布学习的生成装置及其方法在权利要求书中公布了：1.一种基于点云概率分布学习的生成方法，其特征在于，包括： 步骤1：在生成器中加入一个改进的映射网络用以学习点云的概率分布； 步骤2：结合风格迁移改变点云的概率分布，达到改变生成点云位置的概率分布的效果； 步骤3：基于局部邻域Transformer层，构造完整的用于三维点云生成的分类器及判别器； 所述生成器包括映射网络和树结构生成网络；所述映射网络用以训练学习点云的概率分布；所述树结构生成网络用以训练学习点云的基础特征； 所述树结构生成网络由7个特征树模块组成，每个模块均设置有自适应性实例标准化模块、分支模块、以及图卷积模块； 所述步骤1具体为： 对映射网络进行改进，将前4层全连接层的结果输出到树结构生成网络中的第一层，每一层全连接层的维度都是96，用以训练学习点云的概率分布； 将特征向量通过全连接层进行训练使其概率分布更加均匀，再通过仿射变换模块映射到各个特征树模块中，通过自适应性实例标准化模块结合使树结构生成网络中每一层生成的点云分布均受特征向量的概率分布影响，其中仿射变换模块是非线性上采样，将特征向量维度映射到每层特征树模块对应维度； 所述树结构生成网络在每一层，都会进行分支和图卷积操作来生成下一层的点；先前层生成的所有点都被存储并附加到当前层的树中，树从根节点开始，通过分支操作分裂为子节点，并通过图卷积操作修改节点的值；分支模块是用于生成点云过程中增加点的总数，与二维卷积中的上采样类似； 在所述生成器中，对每一层使用不同的分支度，经过最后一层分支操作得到2048个点； 所述步骤2具体为： 使用AdaIN模块将通过映射网络学习得到的特征向量y，与树结构生成网络中基向量x结合，使三维点云位置特征的均值和方差对齐到特征向量的均值和方差，达到改变生成点云分布的效果，公式如下所示： 其中σx,σy分别是基向量和特征向量的方差，μx,μy分别为基向量和特征向量的均值；StyleGAN中生成的是二维图像，通过自适应性实例标准化模块将生成图像特征的均值和方差对齐到经过映射网络的潜码的特征来改变图像局部特征，且控制二维图像特征的是图像的灰度颜色信息，而三维点云的特征是通过点云的位置分布来控制的。

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丽水学院，其通讯地址为：323000 浙江省丽水市莲都区学院路1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。