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！

龙图腾网获悉泉州装备制造研究所;中国科学院福建物质结构研究所申请的专利基于图神经网络的环境数据拟合方法及装置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：CN121544964B 。

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：202610067754.1，技术领域涉及：G06V10/764；该发明授权基于图神经网络的环境数据拟合方法及装置是由李俊;张立刚;李琦铭;谢银辉;曾少甫;马鹏程设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本基于图神经网络的环境数据拟合方法及装置在说明书摘要公布了：本发明涉及计算机视觉技术领域，提供一种基于图神经网络的环境数据拟合方法及装置，通过动态图卷积神经网络建模空间关系，通过高斯建模生成、高斯不确定性量化及假设生成附加假设，可以针对性突破现有瓶颈，解决现有技术中存在的空间关系缺失、假设多样性不足等缺陷，可以提高最优模型的准确性以及确定效率，契合了真实场景对高精度、高鲁棒性、高效率方法的应用需求。

本发明授权基于图神经网络的环境数据拟合方法及装置在权利要求书中公布了：1.一种基于图神经网络的环境数据拟合方法，其特征在于，包括： 获取目标物体在多个视角下的目标环境数据图像，并获取任意两个视角下的目标环境数据图像中匹配特征点的二维坐标集合； 将所述二维坐标集合输入至动态图卷积神经网络，得到所述动态图卷积神经网络输出的采样权重和内点权重； 基于所述采样权重，为每个候选模型采样最小观测集，并基于最小求解器，应用所述最小观测集生成多个模型假设； 对多个所述模型假设进行高斯建模，生成附加假设，并基于多个所述模型假设以及所述附加假设，应用所述内点权重，为每个所述候选模型选择最优假设，形成候选模型集； 对所述候选模型集进行实例排序和聚类，得到所述目标物体的最优模型以及聚类标签； 所述动态图卷积神经网络包括初始特征提取模块、局部特征提取模块、全局特征提取模块、特征融合模块、空间聚合模块、采样权重输出模块和内点权重输出模块； 所述将所述二维坐标集合输入至动态图卷积神经网络，得到所述动态图卷积神经网络输出的采样权重和内点权重，包括： 基于所述初始特征提取模块，提取所述二维坐标集合的初始特征； 基于所述局部特征提取模块，提取所述初始特征的局部特征，并基于所述全局特征提取模块，提取所述初始特征的全局特征； 基于所述特征融合模块，应用交叉注意力机制，对所述局部特征以及所述全局特征进行融合，得到融合特征； 基于所述空间聚合模块，应用通道注意力机制和空间注意力机制，对所述融合特征进行空间聚合，得到聚合特征； 基于所述采样权重输出模块，应用所述聚合特征，确定所述采样权重，并基于所述内点权重输出模块，应用所述聚合特征，确定所述内点权重； 所述对多个所述模型假设进行高斯建模，生成附加假设，包括： 基于任意两个视角下的目标环境数据图像，计算基础矩阵的第一计算误差以及单应性矩阵的第二计算误差，并基于所述第一计算误差，确定第一雅可比矩阵，基于所述第二计算误差，确定第二雅可比矩阵； 基于所述第一雅可比矩阵，估计所述基础矩阵的第一协方差矩阵，并基于所述第二雅可比矩阵，估计所述单应性矩阵的第二协方差矩阵； 基于所述第一协方差矩阵以及所述第二协方差矩阵，对多个所述模型假设进行高斯建模，生成所述附加假设； 所述基于所述第一协方差矩阵以及所述第二协方差矩阵，对多个所述模型假设进行高斯建模，生成所述附加假设，包括： 基于所述第一协方差矩阵以及所述第二协方差矩阵，分别生成标准正态向量； 基于所述标准正态向量，对多个所述模型假设进行修正，得到所述附加假设。

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泉州装备制造研究所;中国科学院福建物质结构研究所，其通讯地址为：362100 福建省泉州市台商投资区洛阳镇上浦村吉贝511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。