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 > 集美大学;赛维时代科技股份有限公司王宗跃获国家专利权

集美大学;赛维时代科技股份有限公司王宗跃获国家专利权

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!

龙图腾网获悉集美大学;赛维时代科技股份有限公司申请的专利一种点云的语义分割方法、装置及存储介质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:CN115641440B

龙图腾网通过国家知识产权局官网在2025-12-16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:202211409147.7,技术领域涉及:G06V10/26;该发明授权一种点云的语义分割方法、装置及存储介质是由王宗跃;谢道顺;陈屹东;苏锦河;陈文平;陈智鹏设计研发完成,并于2022-11-11向国家知识产权局提交的专利申请。

一种点云的语义分割方法、装置及存储介质在说明书摘要公布了:本发明提供了一种点云的语义分割方法、装置及存储介质,该方法包括:S1,多尺度编解码网络对输入的点云P进行采样,基于采样点划定邻域范围,提取邻域范围内各点的特征,聚合得到每个采样点的聚合特征,进而得到每个点的多尺度特征和语义类别概率分布;S2,圆环卷积网络根据半径范围将输入的点云Pt划分成多个圆环,获取各圆环的特征,采用3D稀疏卷积和点体素索引表来得到每个点的特征,进而获得语义类别概率分布;S3,针对点云Pt中的每个未标注点,取每个未标注点的语义类别概率分布中的最大值作为该未标注点更新后的伪标签。利用上述技术方案,可以提高数据利用效率,减少对三维点云标注数据的依赖。

本发明授权一种点云的语义分割方法、装置及存储介质在权利要求书中公布了:1.一种点云的语义分割方法,其特征在于,包括: S1,多尺度编解码网络对输入的第一点云P进行采样,其中,P={PG,PP},PG为标注点形成的点云,PG中点的数量小于预定的数目,PP为未标注点形成的点云,所述PG中的点具有真实标签,所述PP中的点具有即时生成的伪标签,基于每个采样点划定邻域范围,在所述邻域范围内采用点Transformer的方式提取所述邻域范围内各点的特征,然后将所述邻域范围内各点的特征聚合到每个采样点,得到每个采样点的聚合特征,并基于所述聚合特征得到所述点云P中每个点的多尺度特征和所述点云P中每个点的语义类别概率分布其中,i表示第i个点; S2,根据预设的半径范围,圆环卷积网络将输入的第二点云Pt划分成多个圆环,获取各圆环的特征,采用3D稀疏卷积来提取各圆环的体素特征,并通过点体素索引表将体素特征投影到所述点云Pt的每个点来得到逐点特征并进而获得所述点云Pt中每个点的语义类别概率分布其中,i表示第i个点;其中,所述圆环为三维圆环,所述点云Pt与所述点云P相同或为由所述点云P经过预定变换获得的点云; S3,针对所述点云Pt中的每个未标注点,取每个未标注点的语义类别概率分布中的最大值作为该未标注点更新后的伪标签,其中更新后的伪标签表示为 其中,所述多尺度编解码网络和所述圆环卷积网络预先经过了训练,训练采用的损失函数包括: 和 其中,h·代表Jensen-Shannon分歧,m为所述点云P和Pt中标注点的数量,n为未标注点的数量。

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集美大学;赛维时代科技股份有限公司,其通讯地址为:361000 福建省厦门市集美区银江路185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。