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！

龙图腾网获悉扬州大学江都高端装备工程技术研究所申请的专利多头注意力机制特征编码及双重判别解码的点云补全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：CN115423715B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202211072815.1，技术领域涉及：G06T5/77；该发明授权多头注意力机制特征编码及双重判别解码的点云补全方法是由孙进;马昊天;雷震霆;梁立设计研发完成，并于2022-09-02向国家知识产权局提交的专利申请。

本多头注意力机制特征编码及双重判别解码的点云补全方法在说明书摘要公布了：本发明公开了多头注意力机制特征编码及双重判别解码的点云补全方法，其中针对局部特征感知的编码器模块，通过结合多头注意力机制和多层感知机对已有点云进行特征编码，自适应聚合输入点云的相似点特征，提高特征提取过程中对局部特征的感知；由判别器控制的双分支解码器，在局部特征及全局特征解码过程中设置判别器，能够基于输入点云特征分别对生成的骨架点云及细节点云进行判别，保证生成点云符合已有点云的全局特征及细节特征。本发明通过上述两模块共同作用可有效的增强点云形状补全效果，降低了生成点云的倒角距离损失，提高了生成点云的保真度。

本发明授权多头注意力机制特征编码及双重判别解码的点云补全方法在权利要求书中公布了：1.一种多头注意力机制特征编码及双重判别解码的点云补全方法，其特征在于，包括以下步骤： 步骤1获取点云数据； 步骤2基于多头注意力机制的局部特征编码； 步骤2-1基于多层感知机获取点云特征； 所述步骤2-1具体包括：输入步骤1给定的一组点云数据，其中N表示笛卡尔空间坐标系坐标系中进行MLP操作将无序点云数据转换成矩阵信息F1，其中F1的大小为； 步骤2-2基于多头注意力机制构建局部特征隐式模型； 所述步骤2-2具体包括：首先，接收已获取的特征F1并设置对最远距离点采样算法的下采样比d，获取大小为的下采样点云特征矩阵F2，然后，利用残差形式的多头交叉注意力机制学习特征F2，获取对应特征F3： ； 其中：f表示求和并使用LayerNorm做归一化处理，F2表示输入的特征，，特征F3的大小为； 通过前馈网络FFN进一步更新特征F3： ； 其中，cat表示通过torch.nn.cat函数进行连接操作；最后，将特征F4通过多层感知器MLP及最大池化Maxpooling获取最终的特征F5； 步骤3基于双重判别器的缺失几何特征解码； 步骤3-1基于编码器获取特征解码获取骨架点云特征； 以步骤2编码器提取的特征F5作为输入，经过两次线性层获取特征向量F6、F7，将特征向量F7通过Linear、conv操作获取骨架点云Ypre1； 步骤3-2基于判别器确定生成的骨架点云； 首先，以步骤3-2获取的骨架点云Ypre1作为输入，分别进行conv、batchnorm、relu获取变量Ypre1_64，重复两次分别获取变量Ypre1_128、Ypre1_256；其次，对Ypre1_64、Ypre1_128、Ypre1_256进行最大池化Maxpooling和squeeze函数操作并合并，获取中间特征向量Ym1；最后，将特征向量Ym1依次通过四个输出维度为256、128、16和1的全连接层，通过最后一个全连接的层输出0或1； 步骤3-3基于骨架点云特征细化生成细节点云特征； 将步骤3-2最终输出结果为1所对应的特征向量F6作为输入，通过Linear、conv操作获取骨架点云Ypre1对应的细化点云Ypre2；获取的网络输入点云，对应已有点云； 步骤3-4融合骨架点云及细化点云并进行二次判别，获取最终生成点云； 步骤4融合生成点云与已有点云。

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扬州大学江都高端装备工程技术研究所，其通讯地址为：225261 江苏省扬州市江都区邵伯镇诚意路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。