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！

龙图腾网获悉山西大学申请的专利一种基于远程-短程依赖图学习的点云分类与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：CN116246113B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310241163.8，技术领域涉及：G06V10/764；该发明授权一种基于远程-短程依赖图学习的点云分类与分割方法是由梁吉业;杜子金;梁建青;姚凯旋设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本一种基于远程-短程依赖图学习的点云分类与分割方法在说明书摘要公布了：本发明属于点云分析技术领域，具体涉及一种基于远程‑短程依赖图学习的点云分类与分割方法。本发明通过计算点云全局范围和局部范围的的点对连接权重，分别在点云上构建了远程依赖图与短程依赖图。随后，引入先验知识针对远程依赖图与短程依赖图分别设计图结构损失，指导图结构的学习。随后，根据阈值与topK策略选择邻居节点设计图上的卷积操作并融合图上的节点特征。最后，通过图池化技术逐步降低点云的尺寸并堆叠多次图结构学习与图卷积操作并针对不同的任务构建了相应的深度神经网络。本发明能够端到端地将点云构建为图以更好地服务于后续的特征提取于点云分析任务，并且已成功地应用于点云分类、零件分割和语义分分割任务。

本发明授权一种基于远程-短程依赖图学习的点云分类与分割方法在权利要求书中公布了：1.一种基于远程-短程依赖图学习的点云分类与分割方法，其特征在于，该方法用于3D视觉处理，包括如下步骤： 步骤S1：通过图结构学习架构将给定的点云分别构建为远程依赖图和短程依赖图； 步骤S2：在学习图结构的过程中引入一些先验知识，如稀疏性，距离相关性等，并进一步为远程依赖图与短程依赖图分别设计相应的图结构损失和； 步骤S3：在计算图结构损失的过程考虑到“维度灾难”现象，通过简单的线性变换降低特征的维度，从而在低维空间中学习图结构； 步骤S4：通过设定阈值与topK策略设计节点选择与特征聚合策略，并在此基础上设计图上的卷积运算； 步骤S5：通过可学习的参数，自适应地融合远程依赖图和短程依赖图上的特征； 步骤S6：利用图池化操作降低点云的分辨率，并堆叠多层图结构学习与图卷积层以实现不同尺度的特征提取； 步骤S7：针对点云分类与分割任务，分别设计相应深度神经网络提取点云的整体描述与逐点特征，然后通过全连接网络实现点云的形状分类或不同目标区域的分割； 所述步骤S1包括：给定一个个点的点云，其对应的特征集合为，对于点云上任意一对点和通过一个简单的非线性函数计算这一点对之间边的权重，非线性函数设计如下： ， 其中表示简单神经网络的参数，将函数的输出映射到之间，其值的大小代表连接的强弱，随后令为远程依赖图的邻接矩阵，另一方面，在远程依赖图的基础上结合K近邻图，将感受视野限制在局部邻域从而构建短程依赖图，具体如下： ， 其中 ， 为局部几何结构矩阵，为短程依赖图的邻接矩阵； 所述步骤S4包括：设置阈值剔除部分连接强度弱的节点，并根据topK原则选择连接最强的K个节点，最后通过平均聚合的方式聚合节点特征从而实现卷积运算。

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山西大学，其通讯地址为：030000 山西省太原市坞城路92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。