Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西南大学王丽丹获国家专利权

西南大学王丽丹获国家专利权

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!

龙图腾网获悉西南大学申请的专利一种基于位置适应模块与知识补足的点云分析方法及系统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:CN117058439B

龙图腾网通过国家知识产权局官网在2025-12-09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:202310829159.3,技术领域涉及:G06V10/764;该发明授权一种基于位置适应模块与知识补足的点云分析方法及系统是由王丽丹;张世超;沈航池;段书凯设计研发完成,并于2023-07-07向国家知识产权局提交的专利申请。

一种基于位置适应模块与知识补足的点云分析方法及系统在说明书摘要公布了:本发明提供一种基于位置适应模块与知识补足的点云分析方法及系统,其中的方法构建了深度学习模型,包括位置适应模块,能够顺利应对点云数量变化的情况,捕获并聚合不同尺度的点云特征及几何信息,提取到更为完备的点云语义,从而增强整个网络架构的学习性能;知识补足模块,在网络的推理阶段发挥作用,获取验证集中的点云的较低维特征及几何信息,对网络在训练阶段已学习到的知识进行补充,从而提升整个网络架构对点云数据的分析能力;利用获得的点云特征与几何信息,得到语义分类与分割结果。本发明能够有效捕获点云的多尺度特征及几何信息,并采用仅在推理阶段工作的知识补足,节省了网络的训练消耗且提供了补充性质的语义信息。本发明在点云分类与点云分割应用任务上具备较大优势。

本发明授权一种基于位置适应模块与知识补足的点云分析方法及系统在权利要求书中公布了:1.一种基于位置适应模块与知识补足的点云分析方法,其特征在于,包括:S1、构建基于位置适应模块与知识补足的点云分析系统,该点云分析系统为用于点云分析的深度学习模型,该深度学习模型包括特征嵌入模块,特征前处理模块,池化模块,特征后处理模块,位置适应模块,知识补足模块,可学习池化模块和分析模块,该分析模块或者为分类模块,或者为分割模块,分类模块用于得到点云分类结果,分割模块用于得到点云每一部分的分割结果; 其中,特征嵌入模块用于对三维点云数据进行仿射变换得到高维度点云,特征前处理模块用于将高维度点云正态分布化且保留原本几何信息并提取其共享特征,池化模块用于对共享特征进行降维,得到中级特征,特征后处理模块用于对中级特征进行抽象得到深层次特征,位置适应模块用于捕获并聚合不同尺度的点云特征及几何信息,提取到更为完备的点云语义,知识补足模块用于获取点云低维特征及几何信息,对网络已学习到的知识进行补充,提升整个网络性能,可学习池化模块用于特征的选择性过滤; S2、获取三维点云数据,并进行预处理; S3、将预处理完成的点云输入构建成功的基于位置适应模块与知识补足的点云分析系统,进行处理; S4a、当基于位置适应模块与知识补足的点云分析系统的分析模块为分类模块时,得到测试点云的分类结果; S4b、当基于位置适应模块与知识补足的点云分析系统的分析模块为分割模块时,得到测试点云的分割结果; 步骤S1中,所述位置适应模块包括两个PAConv+、两个Batch Normalization、两个ReLU函数激活、一个跳跃连接、一个Summation操作; 第一个PAConv+1接收输入点云的特征和几何信息a; 第一个PAConv+1输出其处理后的数据b给第一个Batch Normalization2; 第一个Batch Normalization2输出其处理后的数据c给第一个ReLU函数激活3; 第一个ReLU函数激活3输出其处理后的数据d给第二个PAConv+4; 第二个PAConv+4输出其处理后的数据e给第二个BatchNormalization5; 第二个BatchNormalization5输出其处理后的数据f; Summation操作6接收第二个BatchNormalization7输出的数据f并且通过跳跃连接接收所述点云的特征和几何信息a,对二者做求和操作; Summation操作6输出其处理后的数据g给第二个BatchNormalization7; 第二BatchNormalization7输出其处理之后的数据h; 所述知识补足模块设置有原始点云嵌入模块、FPS模块、KNN模块、局部信息聚合模块、池化模块、Point‑Memory Bank模块,其中,原始点云嵌入模块用于对三维点云进行仿射变换得到高维度点云,FPS模块用于把高维度点云进行下采样,KNN模块用于把下采样之后的点进行分组,形成局部的三维几何区域,局部信息聚合模块用于聚合不同三维几何区域的局部特征,池化模块用于把提取到的特征进行降维,得到全局特征,Point‑MemoryBank模块用于网络在推理阶段进行点云的相似性匹配输出点云的语义分类类别或分割类别。

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西南大学,其通讯地址为:400715 重庆市北碚区天生路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。