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！

龙图腾网获悉西北大学申请的专利一种利用激光雷达点云数据识别黄土落水洞的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：CN117197661B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202311053278.0，技术领域涉及：G06V20/10；该发明授权一种利用激光雷达点云数据识别黄土落水洞的方法是由胡胜;邓号;汪霖;吴松柏;王宁练;李思思设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本一种利用激光雷达点云数据识别黄土落水洞的方法在说明书摘要公布了：本发明公开了一种利用激光雷达点云数据识别黄土落水洞的方法，涉及落水洞识别技术领域，包括如下步骤：采集待检测区域的激光雷达点云数据；对激光雷达点云数据预处理，标记出洞穴区域；构建改进PoinNet++模型，并将标记出洞穴区域的激光雷达点云数据输入改进PoinNet++模型进行识别，提取出粗略的黄土落水洞区域，利用区域生长算法精调粗略提取的黄土落水洞。本发明基于激光点云的技术可以自动学习具有区分性的特征，从而可以更准确地识别出落水洞，同时基于深度学习的发明技术可以在不同的环境下自适应地学习特征，从而可以更好地应对复杂的地形和环境变化，有更好的鲁棒性。

本发明授权一种利用激光雷达点云数据识别黄土落水洞的方法在权利要求书中公布了：1.一种利用激光雷达点云数据识别黄土落水洞的方法，其特征在于，包括以下步骤： 采集待检测区域的激光雷达点云数据； 对所述激光雷达点云数据预处理，标记出洞穴区域； 构建PoinNet++模型，对PoinNet++模型设置Transformer特征提取模块； 将所述标记出洞穴区域的激光雷达点云数据输入PoinNet++模型进行识别，提取出初步的黄土落水洞区域； 使用区域生长算法将所有所述初步的黄土落水洞区域作为种子点，并对每个所述种子点定义一个邻域； 将每个种子点视作锚节点，将每个种子点邻域内的k个种子点视作邻节点，并对每个邻节点到锚节点的法向量判断，若法向量大于阈值就将该种子点加入到初步的黄土落水洞区域中； 对包含多个种子点的邻域通过设定规则合并成新的区域，通过所述新的区域获得最终的黄土落水洞区域；其中最终的黄土落水洞区域精细程度大于初步的黄土落水洞区域； 将所述标记出洞穴区域的激光雷达点云数据输入PoinNet++模型进行识别，包括如下步骤： 将激光雷达点云数据作为输入，利用多层感知机对输入点云坐标数据进行升维； 将所述升维后的激光雷达点云数据输入层级式采样模块，通过最远点采样算法逐级对点云进行均匀的N倍下采样减少点云数量； 将减少点云数量的激光雷达点云数据输入所述层级式聚合模块中，使用K近邻算法或者球形查询的方式聚合寻找每个点周围的k个邻居节点，并使用Transformer特征提取模块对k个邻居节点进行全局特征和局部特征提取； 使用上采样插值的方式逐步将全局特征和局部特征提取后的点云数量增加到原始大小，利用k个邻居节点更新特征； 所述使用Transformer特征提取模块对k个邻居节点进行全局特征和局部特征提取，包括步骤： 依次在三个维度x，y，z上对点云Ψ进行排序，获得子点云XF； 全局特征提取模块GT通过线性变换把子点云XF转换为Q, K, V ∈ RG×MD，生成全局注意力矩阵； 其中，Q, K, V分别表示查询、键和值向量，RG×MD为三维实数空间，为映射函数，为位置编码函数，⊙为同或符号，L为子点云之间的距离，dk是为了把Softmax函数限制在一个适合梯度收敛的区域内的常数； 将全局注意力矩阵与V相乘获得全局特征； 使用局部特征提取模块 LT计算锚节点与其k个邻居节点的距离d，生成局部注意力矩阵； 其中，LN表示层归一化； 将局部注意力矩阵以权重的形式赋予给锚节点的邻居节点，获得局部特征F； 其中，为邻居节点。

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西北大学，其通讯地址为：710127 陕西省西安市长安区学府大道1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。