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！

龙图腾网获悉南京理工大学申请的专利一种基于3D点云拓扑结构的茶叶嫩梢定位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：CN117078926B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310936344.2，技术领域涉及：G06V10/26；该发明授权一种基于3D点云拓扑结构的茶叶嫩梢定位方法是由郭健;蔡云飞;张旭东;王晓燕;陈舒琳;陈欢设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本一种基于3D点云拓扑结构的茶叶嫩梢定位方法在说明书摘要公布了：本发明公开了一种基于3D点云拓扑结构的茶叶嫩梢定位方法。首先通过深度相机获取茶叶嫩梢的RGB图像和点云，利用改进后的目标检测网络实现对茶叶嫩梢的识别和粗定位；基于原始点云集结合目标区域提取目标点云，进行点云去噪和下采样等预处理；然后对预处理后的三维点云进行聚类分割，并进行骨架点提取，连接骨架点获得嫩梢骨架；最后通过对茶叶嫩梢骨架结构的骨架点进行近邻搜索得到茶叶嫩梢的品级以及采摘部位的定位点。本发明能显著提高茶叶嫩梢的识别与采摘点定位的精度和效率。

本发明授权一种基于3D点云拓扑结构的茶叶嫩梢定位方法在权利要求书中公布了：1.一种基于3D点云拓扑结构的茶叶嫩梢定位方法，其特征在于，所述方法包括以下步骤： 步骤1，通过深度相机采集茶叶嫩梢的RGB图像和点云； 步骤2，基于茶叶嫩梢的RGB图像，利用目标检测网络模型对茶叶嫩梢进行识别和粗定位； 步骤3，基于步骤1的点云和步骤2的结果，结合目标区域提取目标点云； 步骤4，对目标点云进行预处理，包括下采样和去噪处理； 步骤5，对预处理后的目标点云进行聚类分割； 步骤6，基于步骤5得到的聚类区域进行骨架点提取，获得茶叶嫩梢骨架； 步骤7，对所述茶叶嫩梢骨架的骨架点进行近邻搜索，得到茶叶嫩梢的品级以及采摘部位的定位点； 步骤2中目标检测网络模型具体为基于YOLOv8改进的轻量化目标检测网络模型，包括依次连接的Input层、Backbone层、Neck层和Head层； 用G_GhostRegNet结构替换YOLOv8中的CSPDarkNet53特征提取网络，将GhostNet网络的Bottleneck与C2f模块结合，代替Backbone层中所有的C2f模块； 在所述Neck层中引入交叉特征传递模块GFPN代替双向特征传递模块，进行多特征融合； 在所述Backbone层的SPPF模块中引入一层CBAM注意力机制模块； 步骤4中对目标点云进行去噪，具体采用混合滤波算法对目标点云进行去噪，过程包括： 步骤4-1，基于密度因子改进的kd-tree空间索引去噪方法去除离群噪声点，具体过程包括： 1读取目标点云，基于kd-tree构建点云拓扑空间索引，记作P＝{pi|i＝0，1，2，...，n}，pi表示第i个点云采样点； 2利用kd-tree搜索算法，求取点云采样点pi的k邻域点，记作Npi； 3计算点云采样点pi的密度因子 其中， 式中，和分别表示点云采样点pi及其邻域点xj的k邻域密度，Npi表示点云采样点pi的k近邻域点集； 4设定阈值Γλ，判断是否大于Γλ，若是则判定点云采样点pi为离群噪声点，将其剔除，反之则保留； 5更新全部点云数据，得到去除离群噪声点后的新点云数据模型； 步骤4-2，采用改进的双边滤波对点云进行光顺处理； 所述改进的双边滤波具体包括： 将采样点曲率ωi作为参数改进双边滤波因子αi，如下式所示： 式中，αi为双边滤波因子，ωi为pi处的曲率，σc表示pi到每个近邻点的距离对该pi点的影响因子，σs表示每个近邻点在pi处的法向量上投影距离对该pi点的影响因子，均为高斯核函数，表示近邻点对pi的影响权重；点pi到邻域点距离的光顺平滑权重和特征域权重分别为：

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。