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！

龙图腾网获悉南京工业大学申请的专利一种室内场景点云构件的自动识别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：CN121236383B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511357109.5，技术领域涉及：G06V10/26；该发明授权一种室内场景点云构件的自动识别方法是由宫金杞;王宗晨;周俊亦;王铁;张乾设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本一种室内场景点云构件的自动识别方法在说明书摘要公布了：本发明公开了一种室内场景点云构件的自动识别方法。该方法首先对输入的点云数据，利用最远点采样选择关键点，通过空间填充曲线对关键点进行结构有序化处理，并基于轻量级PointNet将局部块映射到特征空间；然后将映射标记嵌入的特征，基于Transformer架构进行编码和解码，在下采样池化过程中，通过可学习的权重参数，对最大值池化与平均值池化结果进行加权融合；同时，引入Swin相对位置编码的注意力，捕捉点与点之间的相对位置信息；最后对解码后的特征，通过几何拓扑感知，将几何精度和拓扑结构损失进行整合完成点云构件的自动识别。本发明为三维点云语义分割的后续分析和研究提供支撑。

本发明授权一种室内场景点云构件的自动识别方法在权利要求书中公布了：1.一种室内场景点云构件的自动识别方法，其特征在于，该方法包括如下步骤： S1.点云初始化序列编码与映射标记嵌入：对输入的点云数据，利用最远点采样选择关键点，通过空间填充曲线对关键点进行结构有序化处理，并基于轻量级PointNet将局部块映射到特征空间； S2.特征提取卷积神经网络构建：将映射标记嵌入的特征，基于Transformer架构进行编码和解码，在下采样池化过程中，通过可学习的权重参数，对最大值池化与平均值池化结果进行加权融合；同时，引入Swin相对位置编码的注意力，捕捉点与点之间的相对位置信息； S3.几何拓扑感知的预测识别：对解码后的特征，通过几何拓扑感知，将几何精度和拓扑结构损失进行整合完成点云构件的自动识别，进而实现室内场景点云构件预测识别；具体是将几何和拓扑感知损失进行整合进而完成点云构件的自动预测识别，其中几何感知损失利用曲率加权交叉熵函数，通过点云的几何曲率动态调整损失权重，用于提升分割边界精度；拓扑感知损失通过强制分割结果与真实标注保持相同的拓扑结构，解决点云语义分割中的结构连续性问题，总体目标函数如下： ， 其中，表示几何感知损失，表示拓扑感知损失； 所述几何拓扑感知的预测识别具体包括： S31.几何感知损失设计：基于交叉熵函数，并将权重因子设为与曲率成正比，则有： ， 其中，为点云总点数，为构件类别数，为点的曲率权重，为点属于类别的真实标签，表示预测概率； S32.拓扑感知损失设计： ， 其中，和分别为连通性损失和边界损失； 连通性损失指同一语义类别的点形成的连续区域数量，用于惩罚同一类别连通区域数量的差异，室内场景中，完整构件应是1个连通区域，若预测结果被分割为多个不连通区域，则存在连通性错误；点云中的连通区域基于欧氏距离的DBSCAN算法定义，即同一类别中，距离小于阈值的点被归为一个连通分量，因此，若对每个类别，通过DBSCAN聚类获得真实标签和预测结果的连通区域数量分别为和，则有： ， 其中，为类别的连通性权重； 边界损失指语义类别边界点，即邻域内存在不同类别点的点形成的连续结构，用于惩罚边界点连通性的断裂，边界应是连续闭合的曲线，若预测结果中边界被截断为多段，则存在边界连续性错误，边界点的连续性通过边界点集的连通分量数量衡量，即连续边界的连通分量数量为1，断裂边界则大于1，因此，若对每个类别，通过邻域内有异类点分别计算真实边界点集合和预测边界点集的连通分量数量为和，则有： ， 其中，为边界重要性权重。

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南京工业大学，其通讯地址为：211816 江苏省南京市浦口区浦珠南路30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。