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！

龙图腾网获悉中国农业大学申请的专利一种基于三维点云的植物叶片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：CN116740077B 。

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：202310642442.5，技术领域涉及：G06T7/10；该发明授权一种基于三维点云的植物叶片分割方法是由李振波;齐彦宇;郭若皓;瞿李傲;牛丹彤设计研发完成，并于2023-06-01向国家知识产权局提交的专利申请。

本一种基于三维点云的植物叶片分割方法在说明书摘要公布了：本发明属于农业信息技术领域，特别涉及一种基于三维点云的植物叶片分割方法，具体包括步骤1：数据集建立与优化；步骤2：植物叶片分割算法的设计与优化；步骤3：模型训练测试与对比。本发明构建了带标注的三维合成点云数据集，解决目前三维点云研究中缺乏足够的带有标注的植物数据集用以训练模型的问题；设计了一个局部聚合算子，可以明确地编码形状信息，并从低层次的位置关系和高层次的特征关联中捕捉不同的局部几何结构。本发明在植物叶片分割和常见场景下的物体部件分割都能起到很好的效果，实用性强。

本发明授权一种基于三维点云的植物叶片分割方法在权利要求书中公布了：1.一种基于三维点云的植物叶片分割方法，其特征在于，包括以下步骤： 步骤1：数据集建立与优化； 所述步骤1数据集建立与优化，具体包括： 步骤1.1：虚拟植物模型建立；基于L-systems规则生成三维合成植物模型，然后通过原语在虚拟植物模型表面镶嵌三角形，得到三角形网格植物模型； 步骤1.2：随机点采样；基于重心坐标系，通过随机采样方法在三角形网络植物模型表面构建出均匀分布的点云，进而通过滤波的方式去除几何基元内部的点，得到最终的植物表面的点云模型； 步骤1.2的过程具体为： 步骤1.2.1：构建重心坐标系，对于一个仿射空间，将其中的顶点表示为v,v,…,v，如果对于该空间中的点P 那么，系数集合α,…,α就是P对于v,v,…,v的重心坐标； 步骤1.2.2：构建点云，对于一个顶点标注为v,v,v的三角形，定义三角形内部随机点m为 上式中有成立；α可以通过随机生成的α,α进行计算，即α＝1-α+α； 步骤1.2.3：滤波去除几何基元内部点: 对于圆柱体基元,进行如下判断： 上式中，r为圆柱体地面半径，分别为中心轴的两个端点，为随机点，若上述3式均为真，则在圆柱体基元内部； 对于球体基元，进行如下判断： 上式中，球体中心点坐标球体半径为r，任意点如上式为真，则在球体基元内部； 步骤2：植物叶片分割算法的设计与优化； 所述步骤2的植物叶片分割算法的设计与优化，具体包括： 步骤2.1：引入随机噪声，在训练集中随机提取部分样本数据，再随机生成一部分噪点数据，样本数据和噪点数据的数量比为9:1； 步骤2.2：设计局部算子，设计局部聚合算子PFConv，对于给定输入点云P＝{pi|i＝1,2,…,N}∈RN×3中的N个点，而P中每个点所对应的特征可以表示为：F＝{fi|i＝1,2,…,N}∈RN×D，那么PFConv可表示为： 其中，Npi是给定中心点pi邻域内包含的点集；pij指邻域点集内的每个点，fij指特征向量；通过函数Low计算中心点pi与其邻域内每个点pij的低级位置关系lij，通过函数High计算特征fi与fij的高级特征关联hij，将这两个结果逐元素或者逐组地计算Hadamard积进行融合，然后经过约减函数，降低维数规模，得到中心点的输出特征gi； 步骤2.3：构建神经网络模型AFNet，AFNet的结构为一个五层多分辨率的编码器，每个关系驱动型内容融合模块，即RCF模块，都由基于局部聚合算子PFConv的三种位置引导型模块构成，每种模块运用不同的编码函数，一次连接策略被应用到这些模块中；对于网络后端，通过利用一个解码器，进行具体的语义分割； 步骤2.4：优化神经网络模型，通过设置通道宽度d和瓶颈率w，调整模型的复杂度，进而对AFNet的性能进行调优； 步骤3：模型训练测试与对比。

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中国农业大学，其通讯地址为：100193 北京市海淀区圆明园西路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。