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！

龙图腾网获悉河北工业大学申请的专利基于深度学习与非对应点估计的点云配准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：CN116630381B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202310610044.5，技术领域涉及：G06T7/33；该发明授权基于深度学习与非对应点估计的点云配准方法是由康志龙;王申艺;赵雨晨;柴元非;郭艳菊设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本基于深度学习与非对应点估计的点云配准方法在说明书摘要公布了：本发明为基于深度学习与非对应点估计的点云配准方法，所述方法包括以下内容：获取目标点云和源点云；构建基于深度学习和非对应点估计的点云配准模型：所述基于深度学习和非对应点估计的点云配准模型设置为迭代的形式，每次迭代执行包括特征提取模块、非对应点估计模块和刚性变换计算模块的处理过程，经过迭代输出预测的刚性变换矩阵；所述非对应点估计模块包括softmax函数和加权操作、池化操作。在估计对应关系时以局部特征和全局特征间的距离作为权重，有效降低了噪声对全局特征的影响，对噪声表现出了较强的鲁棒性；模型不需要构建复杂的网络来计算精确的对应关系，计算量显著减少，配准效率有明显的提高。

本发明授权基于深度学习与非对应点估计的点云配准方法在权利要求书中公布了：1.一种基于深度学习与非对应点估计的点云配准方法，其特征在于，所述方法包括以下内容： 获取目标点云和源点云； 构建基于深度学习和非对应点估计的点云配准模型：所述基于深度学习和非对应点估计的点云配准模型设置为迭代的形式，每次迭代执行包括特征提取模块、非对应点估计模块和刚性变换计算模块的处理过程，经过迭代输出预测的刚性变换矩阵； 所述特征提取模块包括两条由相同卷积层数构成的特征提取支路，两条特征提取支路的输入分别为源点云P和目标点云Q，每条特征提取支路中的不同卷积层之间插入有特征交互模块，具体插入方式为：将单条特征提取支路中所有卷积层分成m个卷积部分，每个卷积部分中的卷积层数量可相同也可不同，m为大于1的整数，且小于总卷积层数；相邻的两个卷积部分之间插入一个特征交互模块，单条特征提取支路中特征交互模块的数量为m-1；第m卷积部分的输出记为点云的局部特征，第m卷积部分的输出经第二最大池化层的输出记为点云的全局特征； 所述特征交互模块包括第一最大池化层和连接操作，将另一条支路上的卷积部分的输出经第一最大池化层处理后，再通过重复函数重复到与输入点云的点数相同后得到重复后的特征，将重复后的特征与当前支路上的上一级卷积部分的输出在维度层面上进行连接操作，得到特征交互模块的输出，特征交互模块的输出连接下一级卷积部分； 所述非对应点估计模块包括softmax函数和加权操作、池化操作，利用特征提取模块输出的同一个点云的点云的局部特征f和点云的全局特征F进行欧式距离d计算，之后经softmax函数处理获得点云的非对应点概率w；将同一个点云的点云的局部特征f按照点云的非对应点概率进行加权处理后再进行池化操作，获得非对应点估计模块输出的点云的全局特征Φ； 所述刚性变换计算模块用于对非对应点估计模块输出的目标点云和源点云的全局特征Φ进行刚性变换矩阵的计算。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院；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”。