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！

龙图腾网获悉桂林电子科技大学申请的专利基于深度学习和边界点对比学习的3D点云语义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：CN116894944B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202310920250.6，技术领域涉及：G06V10/26；该发明授权基于深度学习和边界点对比学习的3D点云语义分割方法是由张斌;杨林杰设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本基于深度学习和边界点对比学习的3D点云语义分割方法在说明书摘要公布了：本发明涉及计算机视觉和点云语义分割技术领域，具体而言，涉及一种基于深度学习和边界点对比学习的3D点云语义分割方法。包括：以PointMetaBase网络为主干网，基于对比学习算法设计边界点对比学习模块BoundaryPointsContrasitvelearning,BPCL，构建增强边界点语义分割性能的网络结构；该点云语义分割网络结构包括依次连接的特征编码模块、特征解码模块和边界点对比学习模块；采集或使用室内场景点云作为数据集；根据获得的数据集训练构建的语义分割网络获得语义分割模型，使用该模型对待分割的点云数据进行分割。本发明可以提高PointMetaBase对场景边界的分割性能，从而提高对整个场景的分割性能。

本发明授权基于深度学习和边界点对比学习的3D点云语义分割方法在权利要求书中公布了：1.基于深度学习和边界点对比学习的3D点云语义分割方法，其特征在于， 包括以下步骤： 步骤1以PointMetaBase网络为主干网，基于对比学习算法设计边界点对比学习模块，构建增强边界点语义分割性能的网络结构；该点云语义分割网络结构包括依次连接的特征编码模块、特征解码模块和边界点对比学习模块； 步骤2采集或使用室内场景点云作为数据集； 步骤3使用步骤2获得的数据集训练根据步骤1构建的语义分割网络获得语义分割模型，使用该模型对待分割的点云数据进行分割； 所述步骤1中的特征编码模块由一个MLP层和PointMetaSA模块和PointMetaBase模块组成，用于对输入的点云进行下采样和特征提取； 所述步骤1中的PointMetaSA模块由一个下采样层、一个分组聚合层、两个卷积层和一个最大池化层组成；原始点云首先经过一个MLP层，被映射到高维空间，得到每个点对应的特征；输入的点云先经过下采样层得到新的点云，由MLP层得到的特征则经过一个卷积核大小为1x1的卷积层得到更高维度的特征；分组聚合层以新点云为中心点，采样邻域点将原始点云划分为多个区域，获取每个邻域点的特征以及邻域点和中心点的距离度量；第二个卷积层对距离度量进行编码得到位置嵌入编码；最后对邻域点特征和位置嵌入编码求和输入到最大池化层得到每个区域的局部特征； 所述步骤1中的PointMetaBase模块由两个卷积层和一个分组聚合层、一个最大池化层组成；原始点云首先经过一个MLP层，被映射到高维空间，得到每个点对应的特征；输入的点云先经过下采样层得到新的点云，由MLP层得到的特征则经过一个卷积核大小为1x1的卷积层得到更高维度的特征；分组聚合层以新点云为中心点，采样邻域点将原始点云划分为多个区域，获取每个邻域点的特征以及邻域点和中心点的距离度量；第二个卷积层对距离度量进行编码得到位置嵌入编码；最后对邻域点特征和位置嵌入编码求和输入到最大池化层得到每个区域的局部特征。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市金鸡路一号；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”。