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！

龙图腾网获悉华南理工大学申请的专利一种基于双特征融合和邻域感知上采样的点云补全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：CN118279367B 。

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：202410385384.7，技术领域涉及：G06T7/50；该发明授权一种基于双特征融合和邻域感知上采样的点云补全方法是由唐宇轩;毛爱华设计研发完成，并于2024-04-01向国家知识产权局提交的专利申请。

本一种基于双特征融合和邻域感知上采样的点云补全方法在说明书摘要公布了：本发明公开了一种基于双特征融合和邻域感知上采样的点云补全方法，该方法首先搭建并训练包括编码器模块、双特征融合模块、解码器模块和多级上采样模块的点云补全网络；在补全过程中，残缺点云和其对应的单视角图片首先通过编码器模块变成对应的特征向量，经过双特征融合模块后得到表征能力更强的特征向量，进而通过解码得到稀疏的粗糙完整点云，该点云只有全局形状，缺乏精细的几何细节；接着通过多级上采样模块对稀疏的粗糙完整点云进行去噪和上采样得到密集完整的低噪点云。与现有的技术相比，本发明的点云补全方法能在恢复点云的全局形状的同时，保留残缺点云具备的细节几何结构，且补全的缺失部分有较好的均匀度。

本发明授权一种基于双特征融合和邻域感知上采样的点云补全方法在权利要求书中公布了：1.一种基于双特征融合和邻域感知上采样的点云补全方法，其特征在于，所述点云补全方法包括以下步骤： S1、构建基于双特征融合和邻域感知上采样的点云补全网络，该点云补全网络包括依次顺序连接的编码器模块、双特征融合模块、解码器模块和多级上采样模块，其中，多级上采样模块由依次顺序连接的两个邻域感知上采样Transformer模块组成； S2、输入残缺点云P和对应的单视角图片I，通过编码器模块对残缺点云进行三维编码得到点云特征FP，通过编码器模块对单视角图片进行二维编码得到图片特征FI； S3、通过双特征融合模块对点云特征FP和图片特征FI进行融合得到融合特征F，所述双特征融合模块的工作过程如下： 给定残缺点云的逐点特征和单视角图片的逐像素特征用最大池化分别得到残缺点云的全局特征和图片的全局特征将GP复制NI次后与FI拼接得到特征将GI复制NP次后与FP拼接得到repeat·,·为扩展一个维度后进行的复制操作； 通过两个拼接特征计算注意力权重矩阵，过程如下：对F′I使用两层多层感知机和Softmax函数计算得到注意力权重矩阵和是两个独立的多层感知机；对F′P使用两层多层感知机和Softmax函数计算得到注意力权重矩阵和是两个独立的多层感知机；用矩阵点乘的方式给F′I加权，得到由点云特征增强后的图片特征用矩阵点乘的方式给F′P加权，得到由图片特征增强的点云特征对两个增强后的特征进行拼接后用最大池化得到融合特征F＝maxconcat[FPI；FIP]； S4、通过解码器模块对融合特征F进行解码操作得到稀疏的粗糙完整点云P0； S5、将稀疏的粗糙完整点云P0与残缺点云P混合后进行下采样，将下采样得到的点云输入多级上采样模块，多级上采样模块对下采样点云进行连续的两次上采样得到密集完整点云C； S6、通过点云补全数据集训练基于双特征融合和邻域感知上采样的点云补全网络，通过最小化损失函数，以端到端的方式迭代训练，每次迭代过程中计算损失函数值，并使用反向传播技术更新网络中的参数，直至网络收敛；将数据集中的残缺点云和图片输入经训练的网络，得到补全的完整点云。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。