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！

龙图腾网获悉重庆交通大学申请的专利基于形态约束与深度学习的地基森林点云单木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：CN121170598B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511411352.0，技术领域涉及：G06V20/10；该发明授权基于形态约束与深度学习的地基森林点云单木分割方法是由陈茂霖;殷瀚汶;官冬杰;姬翠翠;马威;张桓;舒震设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本基于形态约束与深度学习的地基森林点云单木分割方法在说明书摘要公布了：本发明公开一种基于形态约束与深度学习的地基森林点云单木分割方法，包括如下步骤：S1、从数据集中获取森林原始点云数据，并对所述森林原始点云数据进行点云体素化预处理；S2：构建网络模型，对所述预处理后的森林点云通过网络模型预测点级语义标签和点级偏移向量，得到森林点云集；S3:基于S2中得到的森林点云集进行形态约束的置信区树干提取；S4基于深度学习的缓冲区全局树干提取；S5:基于半监督框架对空间特征参数的单木有效冠层辐射半径SCREE进行回归预测；S6:基于S5中SCREE的偏移向量引导下特征空间的枝叶分配，对森林原始点云数据中的单棵树木进行分割与特征提取。本发明方法显著提升了树基识别精度，有效适应了多样化森林场景。

本发明授权基于形态约束与深度学习的地基森林点云单木分割方法在权利要求书中公布了：1.一种基于形态约束与深度学习的地基森林点云单木分割方法，其特征在于：包括如下步骤： S1、从数据集中获取森林原始点云数据，并对所述森林原始点云数据进行点云体素化预处理； S2：构建TreeLearn网络模型，对所述预处理后的森林点云通过所述TreeLearn网络模型预测点级语义标签和点级偏移向量，得到森林点云集； S3:基于所述S2中得到的森林点云集进行形态约束的置信区树干提取； S4基于深度学习的缓冲区全局树干提取； S5:基于半监督框架对空间特征参数的单木有效冠层辐射半径SCREE进行回归预测； S6:基于所述S5中SCREE的偏移向量引导下特征空间的枝叶分配，对所述森林原始点云数据中的单棵树木进行分割与特征提取；具体包括： S601:采用基于所述单木有效冠层辐射半径SCREE的枝叶分配方法，以每棵树的基坐标为中心，树高为轴向高度，单木冠层有效辐射半径为径向半径，通过如下公式构建圆柱体空间； 在树干i进行SCREE枝叶分配的时候，若相邻树干构建的圆柱体空间未发生重叠，则在其对应的圆柱体空间内直接进行枝叶标签的分配；若存在交集，为避免归属冲突，采用竞争性排斥competitiveexclusion原则，依据如下公式将此类处于多重圆柱交集区域的点标记为未分配NotAssignment； 表示标签值为i的树干的圆柱空间区域，表示标签值为j的树干的圆柱空间区域，为待分配的枝叶点坐标，表示与其他树产生空间竞争树木，值为i表示已经枝叶分配好的点集，表示有争议的区域，对于其他未被任何圆柱体包含的点集通过如下公式提取出来： 表示未被任何单一圆柱体独占包含的点，即空间中未被归属的枝叶点； S602:通过如下公式计算得出多重圆柱交集区域的点，标记为未分配的点NotAssignment： ； S603:通过如下公式集合并操作将两类点统一整合为， ； S604:最后对获得的所述采用邻近投票进行枝叶点的自动分配。

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重庆交通大学，其通讯地址为：400060 重庆市南岸区学府大道66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。