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！

龙图腾网获悉北京理工大学申请的专利一种基于多特征输入和矩阵监督的点云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：CN116543158B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310521482.4，技术领域涉及：G06V10/26；该发明授权一种基于多特征输入和矩阵监督的点云分割方法是由刘凯琪;袁臣浩;韩嘉威;李伟设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本一种基于多特征输入和矩阵监督的点云分割方法在说明书摘要公布了：本发明涉及一种基于多特征输入和矩阵监督的点云分割方法，包括：获取数据集得到点云训练以及测试数据，选取基准网络对整体数据集上的点云数据进行解耦分类；评估特征输入基准网络的最好输出结果；在每个基准网络训练过程中通过训练获得的结果计算KL散度进行联系；进行迭代训练，直到达到预设好的训练次数为止，通过多特征互学习网络结合外积矩阵KL散度在线训练互学习网络，最终得到点云语义分割结果。本发明通过互学习方式让不同的网络同时学习不同的特征，相互传递知识来增强每个网络对多特征信息的理解和利用，极大提升了网络的泛化性能，使得点云分割网络在面对实际分割场景时有着更好的鲁棒性和更准确的分割精度。

本发明授权一种基于多特征输入和矩阵监督的点云分割方法在权利要求书中公布了：1.一种基于多特征输入和矩阵监督的点云分割方法，其特征在于：所述点云分割方法包括： 步骤一、获取数据集得到点云训练以及测试数据，采用多个基准网络组成多特征互学习网络对整体数据集上的点云数据进行解耦分类； 步骤二、将拆分后的点云数据分别输入到选取的基准网络中测试精度，分别计算其预测的平均准确度和平均交并比数值，选出表现好的解耦特征组合； 步骤三、在每个基准网络训练过程中通过训练获得的结果计算KL散度进行联系，使得基准网络之间传递各自学习到的知识，每个基准网络接收不同的特征数据，使得每个基准网络侧重处理其对应的数据； 步骤四、按照步骤三的训练进行迭代，直到达到预设好的训练次数为止，通过多特征互学习网络结合外积矩阵KL散度在线训练互学习网络，最终得到点云语义分割结果； 所述步骤一具体包括以下内容： 下载S3DIS公开数据集获得点云训练以及测试数据，提取其中每个点的位置、颜色和标签信息，利用open3d库通过位置信息计算出每个点自身的法向量，得到，其中，3+C表示通道数目，3为点的三维坐标信息xyz信息，C中包括颜色rgb信息和点云表面法向量分量nx，ny，nz信息； 选取pointtransformer作为基准网络，点云中的所有点都具有三维坐标xyz信息、颜色rgb信息、点云表面法向量分量nx，ny，nz信息，针对这些信息将整体特征进行拆散和解耦，选取特征组合输入进网络中； 所述步骤三具体包括以下内容： B1、将S3DIS的数据Dataset按照步骤二选出的特征划分为Dataset1和Dataset2两组特征； B2、在每一次训练时同时将Dataset1和Dataset2两组特征分别输入到学生网络model1和model2中进行训练，得到两组预测值logits1和logits2； B3、计算各个学生网络预测的logits1和logits2分别与标签label的交叉熵损失得到loss_ce1和loss_ce2； B4、计算各个学生网络间外积矩阵的KL散度损失，将logits1和logits2对自身分别进行外积得到两个矩阵，两个矩阵之间的KL_loss1和KL_loss2作为互学习损失； B5、使用loss_ce1和KL_loss1损失之和反向传播更新model1，使用loss_ce2和和KL_loss2损失之和反向传播更新model2。

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北京理工大学，其通讯地址为：100000 北京市海淀区中关村南大街5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。