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！

龙图腾网获悉四川电力设计咨询有限责任公司申请的专利一种基于双结构编码器的车载激光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：CN121033796B 。

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：202511535513.7，技术领域涉及：G06V20/56；该发明授权一种基于双结构编码器的车载激光点云语义分割方法是由郭钰杰;龚秋全;杜全维;王琦;苏伟;胡启凌;段兴全;常学清;刘奥;石磊设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种基于双结构编码器的车载激光点云语义分割方法在说明书摘要公布了：本发明涉及激光点云分割技术领域，尤其涉及一种基于双结构编码器的车载激光点云语义分割方法。该方法包括以下步骤：获取车载激光点云数据并构建点云样本训练集；对点云样本训练集进行下采样，得到多尺度层次点云样本训练子集；基于RandLA‑Net编码器、KPConv‑Net编码器和特征解码器构建点云语义分割模型，将多尺度层次点云样本训练子集作为输入，对模型进行训练更新；提取点云样本训练集中的车载点云作为输入，利用更新获得的点云语义分割模型，得到输入点云样本测试集中的每个点云的点云语义分割结果。该方法提升了网络对密度不均匀、稀疏点云的语义分割能力，在不损失效率的情况下解决了网络对几何信息和抽象语义信息提取不充分的问题。

本发明授权一种基于双结构编码器的车载激光点云语义分割方法在权利要求书中公布了：1.一种基于双结构编码器的车载激光点云语义分割方法，其特征在于，包括以下步骤： S1.获取车载激光点云数据并构建点云样本训练集； S2.对点云样本训练集进行5次下采样，得到多尺度层次点云样本训练子集； S3.基于RandLA-Net编码器、KPConv-Net编码器和特征解码器构建点云语义分割模型，将多尺度层次点云样本训练子集作为输入，对模型进行训练更新； S4.提取点云样本训练集中的车载点云作为输入，利用步骤S3更新获得的点云语义分割模型，对本步骤输入点云样本测试集中的每个点云的点云语义分割结果； 步骤S2中，对步骤S1得到的点云样本训练集依次进行5次下采样，每次从点云中选取前K个点构建当前尺度的点集，得到包括5个层次的多尺度层次点云样本训练子集； 步骤S3所述点云语义分割模型包括5个层次，并与步骤S2得到的5个层次的多尺度层次点云样本训练子集一一对应； 所述点云语义分割模型的前三层基于RandLA-Net编码器构建；所述RandLA-Net编码器包括融合邻域点与邻域点信息的特征编码模块和基于自注意力机制的特征聚合模块；所述特征编码模块包括融合邻域点与邻域点信息的局部空间编码模块、第一局部特征编码模块和共享MLP多层感知机；所述融合邻域点与邻域点信息的局部空间编码模块将中心点与邻域点之间的几何关系和邻域点与邻域点之间的几何关系进行显性编码，并通过共享MLP多层感知机将空间编码信息映射到与输入点云特征相同的维度；所述局部特征编码模块将输入的点云特征根据点云空间位置对输入点云特征进行局部特征编码；所述特征聚合模块通过自注意力机制对邻域点相对于中心点的重要程度进行打分，根据分数将邻域点特征聚合到中心点特征； 所述点云语义分割模型的后两层基于KPConv-Net编码器构建；所述基于KPConv-Net编码器包括随机采样模块、第二局部特征编码模块与核点卷积模块；所述第二局部特征编码模块将输入的点云特征根据点云三维空间位置信息构建点云特征邻域；所述核点卷积模块对输入点云特征进行升维,并将升维后的点云特征基于欧氏距离聚合到中心点。

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四川电力设计咨询有限责任公司，其通讯地址为：610000 四川省成都市武侯区武青南路33号1栋302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。