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！

龙图腾网获悉中国计量大学申请的专利基于语义－结构特征学习与多阶段交互的点云配准方法及系统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：CN121190537B 。

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：202511735634.6，技术领域涉及：G06T7/33；该发明授权基于语义－结构特征学习与多阶段交互的点云配准方法及系统是由叶海良;曹飞龙;邱巧燕;李斯卉;郭文慧设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本基于语义－结构特征学习与多阶段交互的点云配准方法及系统在说明书摘要公布了：本申请公开了一种基于语义－结构特征学习与多阶段交互的点云配准方法及系统，涉及点云配准技术领域，该方法包括循环执行源点云和目标点云的特征提取步骤；将源点云的局部交互特征和目标点云的局部交互特征分别进行拼接融合；处理源点云的局部融合特征和目标点云的局部融合特征。本发明首先通过特征提取步骤获得点云的局部语义－结构特征；其次通过特征交互步骤对点云的局部语义－结构特征进行双向特征交互，增强相似点对之间的关联；通过循环执行特征提取步骤以及特征交互步骤获得更具判别性的特征表示；此外，采用双视角协同Transformer模块从局部和全局角度整合相似性分数，生成更加准确的对应关系和配准结果。

本发明授权基于语义－结构特征学习与多阶段交互的点云配准方法及系统在权利要求书中公布了：1.一种基于语义－结构特征学习与多阶段交互的点云配准方法，其特征在于，所述基于语义－结构特征学习与多阶段交互的点云配准方法包括： 获取源点云和目标点云； 循环执行特征提取步骤直至循环次数达到预设值，所述特征提取步骤包括： 提取所述源点云和所述目标点云的目标特征，所述目标特征包括局部语义特征和局部结构特征； 将所述源点云的局部语义特征和局部结构特征进行特征融合，得到第一局部语义－结构特征； 将所述目标点云的局部语义特征和局部结构特征进行特征融合，得到第二局部语义－结构特征； 计算所述第一局部语义－结构特征和所述第二局部语义－结构特征之间的相似度，根据所述相似度对所述第一局部语义－结构特征和所述第二局部语义－结构特征进行特征交互，得到所述源点云的局部交互特征和所述目标点云的局部交互特征； 使用源点云的局部交互特征更新所述源点云的目标特征，使用目标点云的局部交互特征更新所述目标点云的目标特征； 将每次循环得到的所述源点云的局部交互特征和所述目标点云的局部交互特征分别进行拼接融合，得到所述源点云的局部融合特征和所述目标点云的局部融合特征； 采用双视角协同Transformer模块处理所述源点云的局部融合特征和所述目标点云的局部融合特征，得到双视角协同交互特征；其中，所述双视角协同Transformer模块包括预处理单元和多头协同注意力单元，所述预处理单元为多头注意力单元、相加和归一化单元和前馈网络中的至少一种； 根据双视角协同交互特征生成变换参数，使用变换参数对所述目标点云和所述源点云进行配准； 其中，所述提取所述源点云和所述目标点云的目标特征，包括： 执行所述源点云的局部语义特征提取步骤和局部结构特征提取步骤，所述局部语义特征提取步骤包括： 以源点云为中心点构建局部邻域图，所述局部邻域图至少包括源点云特征、中心点与邻居点的相对空间位置以及中心点与邻居点的特征差异； 将所述中心点与邻居点的特征差异和所述源点云特征进行拼接，得到第一拼接特征，对所述第一拼接特征进行最大池化操作，得到第一局部特征； 采用重构映射操作对所述第一局部特征进行重构，得到重构特征； 计算重构特征和源点云特征之间的差异，采用所述差异修正所述第一局部特征，以得到局部语义特征； 所述局部结构特征提取步骤包括： 对中心点与邻居点的相对空间位置以及中心点与邻居点的特征差异进行编码，对编码后的结果进行处理，得到注意力系数； 使用注意力系数自适应地聚合所述第一拼接特征，以得到局部结构特征； 执行目标点云的局部语义特征提取步骤和局部结构特征提取步骤，所述目标点云的局部语义特征提取步骤与所述源点云的局部语义特征提取步骤相同，所述目标点云的局部结构特征提取步骤与所述源点云的局部结构特征提取步骤相同。

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计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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。