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！

龙图腾网获悉浙江工业大学申请的专利基于图卷积与分组向量注意力机制的三维点云语义分割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：CN119963842B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510101088.4，技术领域涉及：G06V10/26；该发明授权基于图卷积与分组向量注意力机制的三维点云语义分割方法是由郭家兴;黄寒;黄国兴;卢为党;张昱设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本基于图卷积与分组向量注意力机制的三维点云语义分割方法在说明书摘要公布了：一种基于图卷积与分组向量注意力机制的三维点云语义分割方法，采用U‑Net风格的网络结构，通过多层次的特征编解码对点云进行特征提取与传播，每个层次首先通过几何仿射模块对局部邻域特征进行中心化和标准化，增强模型对局部区域多样性的捕获能力；其次，构建局部邻域图，设计非对称边缘特征学习函数提取局部拓扑信息；结合残差网络进一步提取深层边缘特征；最终，使用分组向量注意力机制在低参数量的条件下选择性融合局部特征与全局上下文信息，经过跨层次的特征插值上采样至原始尺度完成点云分割。本发明能够显著提高点云分割精度，并适用于移动机器人等搭载三维传感器的设备对复杂场景的感知。

本发明授权基于图卷积与分组向量注意力机制的三维点云语义分割方法在权利要求书中公布了：1.一种基于图卷积与分组向量注意力机制的三维点云语义分割方法，其特征在于，所述方法包括以下步骤： 步骤一，对原始点云数据进行预处理，包括特征增强、类别权重平衡、采样、批次构建和特征标准化，考虑一个有个点的点云数据集，表示为，其中每个点都包括空间坐标和特征向量，的大小取决于传感器类型；激光雷达扫描得到的为笛卡尔坐标系下的三维点云数据，即每个点仅有三个基本维度，分别表示点的位置坐标，使用的数据集所含特征向量为RGB颜色特征； 步骤二，局部邻域图构建，包括降采样、分组、仿射变换和图结构建模；首先通过最远点采样FPS从原始点云中均匀选取代表性点，降低数据复杂度的同时保留几何特征；然后，为每个采样点划定局部邻域，利用k近邻算法获取其最近的邻域点集；接着，引入几何仿射模块对邻域特征进行去中心化和标准化处理，以克服点云局部区域的几何结构稀疏与不规则；最后，通过构建局部邻域图，设计非对称边缘特征学习函数，结合全局特征和局部差异，显式建模点云的局部拓扑结构和全局关系，充分提取边缘特征； 步骤三，基于残差网络的局部邻域图特征提取与基于分组向量注意力的上下文特征融合，在局部邻域图的基础上，首先通过共享权重的多层残差网络提取边特征，并在最大池化操作聚合边特征之后，与中心点特征拼接形成局部邻域图特征；随后，利用具有残差连接的Transformer结构，通过分组向量注意力GAV机制动态分配特征通道的注意力权重，灵活捕捉关键边特征，同时引入相对位置编码学习邻域点集的绝对位置关系； 步骤四，分层上采样特征解码，包括反距离加权平均插值与特征传播，完成分割输出与反向传播；降采样、分组、仿射变换、局部特征提取和上下文特征融合模块共同构成为一层特征抽象层，经过四层递归的特征抽象之后得到了低分辨率的全局点云特征向量，其含有丰富的上下文语义信息；由于点云分割属于密集型的分类任务，需要对点的特征信息进行逐点分类，因此采用将特征编码器与解码器耦合的结构，特征解码器包括四层特征传播模块，通过插值方式，将包含高维语义特征的稀疏点集特征跨层级拼接至其上一层点集。

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工业大学，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区潮王路18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。