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！

龙图腾网获悉东南大学申请的专利基于多层级边缘增强的非结构化环境三维点云语义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：CN116503602B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310528767.0，技术领域涉及：G06V10/26；该发明授权基于多层级边缘增强的非结构化环境三维点云语义分割方法是由李旭;倪培洲;孙栋;韦坤;胡悦设计研发完成，并于2023-05-11向国家知识产权局提交的专利申请。

本基于多层级边缘增强的非结构化环境三维点云语义分割方法在说明书摘要公布了：本发明公开了一种基于多层级边缘增强的非结构化环境三维点云语义分割方法，首先构建一个高效的基于球面投影的语义‑边缘双编码结构，其次设计边缘注意力融合模块对双编码器的中间特征进行深度和自动融合，再次设计解码器将特征图恢复到原始输入尺寸，接着提出一种边缘判别器，在输出端进一步提高识别边缘的能力，然后设计损失函数，最后利用样本集对网络进行训练，获得网络参数，从而实现非结构化环境三维点云语义的高效与可靠分割，本发明方法结合传统方法和深度学习算法的优点，提升对于边缘的感知能力，以实现非结构化环境的高效、高精三维语义分割。

本发明授权基于多层级边缘增强的非结构化环境三维点云语义分割方法在权利要求书中公布了：1.基于多层级边缘增强的非结构化环境三维点云语义分割方法，其特征在于，包括如下步骤： 步骤S1，基于球面投影的语义-边缘双编码结构设计：采用球面投影对雷达点云进行预处理，生成渲染图像，并建立基于残差扩张卷积的语义-边缘双编码结构，同时提取不同尺度的语义与边缘特征；语义编码器和边缘编码器采用相同的结构设计，所包括的卷积层均为扩张卷积层，采用最大池化操作对特征图进行下采样，并仅在编码器中心层插入dropout层； 步骤S2，边缘注意力融合模块设计：通过边缘注意力融合模块将不同尺度的语义与边缘特征进行深度融合；所述边缘注意力融合模块为： ； 其中，为融合后的特征；、分别代表主干语义编码器、边缘编码器的中间特征；表示逐元素相加；表示逐元素相乘； 步骤S3，解码器设计：设计参数基于学习的反卷积层对特征图中深度压缩的特征进行逐层分级解耦，所述反卷积层的卷积核大小为3×3，步长为2，使得经过上采样后的特征图与输入分辨率相同，所述反卷积层的数量等于池化层的数量； 步骤S4，边缘判别器设计：所述边缘判别器将马尔可夫判别器与全局判别器相结合，约束边缘输出； 步骤S5，损失函数设计：所述损失函数为加权交叉熵损失、Lovasz-Softmax以及步骤S4中边缘判别器损失的组合，具体为： ； 其中，是各类的点数，和分别为真值和对应的预测概率，表示IoU的Lovasz扩展，是类的误差向量； 步骤S6，网络模型训练与点云语义分割：采用SGD优化器对网络参数进行迭代训练，得到网络权重，并根据网络权重，对采集到的雷达点云进行在线测试，得到非结构化环境三维点云语义分割结果。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼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。