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！

龙图腾网获悉浙江大学申请的专利一种基于实例中心编码的点云全景分割系统及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：CN116993979B 。

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：202310924673.5，技术领域涉及：G06V10/26；该发明授权一种基于实例中心编码的点云全景分割系统及方法是由刘勇;梅剑标设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本一种基于实例中心编码的点云全景分割系统及方法在说明书摘要公布了：本发明提出一种基于实例中心编码的点云全景分割系统，包括：骨干网络，用于提取点云数据的点云特征；语义预测分支，用于语义预测；实例中心提议网络，基于点云数据和点云特征计算生成3D实例中心和实例中心特征编码；Transformer模块，收集实例中心点周围和实例中心点之间的上下文信息，输出增强后的实例中心编码特征；动态卷积网络，用于生成实例掩码预测结果；掩码融合模块，用于融合语义预测结果和实例掩码预测结果，得到最终的点云全景分割结果；本发明提出了一种新的无检测和无聚类的LiDAR全景分割系统，通过中心来定位和分割实例，蕴含了位置和实例特征，可以用于表示并区分不同实例，用于实际全景分割时，性能优异。

本发明授权一种基于实例中心编码的点云全景分割系统及方法在权利要求书中公布了：1.一种基于实例中心编码的点云全景分割方法，其特征在于，包括以下步骤： 步骤S1：使用骨干网络从点云数据中提取点云特征，将所述点云特征输入语义预测分支进行语义预测得到语义预测结果； 步骤S2：将点云数据和所述点云特征一起输入到实例中心提议网络进行计算，得到3D实例中心和实例中心特征编码； 步骤S3：将所述3D实例中心和实例中心特征编码输入Transformer模块，收集实例中心点周围和实例中心点之间的上下文信息，得到增强的实例中心编码特征； 步骤S4：基于增强后的实例中心编码特征，使用动态卷积网络生成实例掩码预测结果； 步骤S5：使用掩码融合模块融合所述语义预测结果和所述实例掩码预测结果，得到最终的点云全景分割结果； 所述步骤S2包括以下步骤： 步骤S21：将点云数据和所述点云特征输入到实例中心提议网络，所述点云特征和点云数据先输入到由两层全连接层组成的偏移头，通过所述偏移头预测前景点和所属实例中心之间的位置偏移量； 步骤S22：根据所述位置偏移量将前景点往实例中心偏移，使属于同一实例的点距离更近，并对偏移后的前景点划分柱体后投影到BEV平面生成2D伪热图； 步骤S23：使用基于窗口的最大池化技术挑选2D伪热图中的局部最大值，找到3D实例中心可能存在的柱体； 步骤S24：对于找到的柱体，对属于柱体的点的坐标和特征进行平均池化得到对应的3D实例中心和实例中心特征编码； 步骤S25：对柱体中的点的语义预测进行最大投票，以决定步骤S24中所获得的3D实例中心和实例中心特征编码对应的语义类别； 所述步骤S4包括以下步骤： 步骤S41：将增强后的实例中心编码特征输入动态卷积网络，先使用由多层感知机组成的动态核分支为每个实例生成动态参数，用于初始化由两层卷积层组成的浅层卷积网络； 步骤S42：将步骤S21所述的位置偏移量作为位置先验，并根据所述步骤S24生成的3D实例中心生成粗糙的二进制掩码作为形状先验，将所述位置先验、所述形状先验和所述点云特征拼接，并使用由两层线性层组成的掩码分支来提取最终的掩码特征； 步骤S43：使用步骤S41中所述浅层卷积网络对所述步骤S42中所述掩码特征进行卷积，得到最终的实例掩码预测结果。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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。