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！

龙图腾网获悉西北工业大学申请的专利基于深度学习与自适应拓扑保持非刚配准的点云处理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：CN116703989B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310577670.9，技术领域涉及：G06T7/33；该发明授权基于深度学习与自适应拓扑保持非刚配准的点云处理方法是由罗明;裴昊男;周文静;王泽宇;张璞玉设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本基于深度学习与自适应拓扑保持非刚配准的点云处理方法在说明书摘要公布了：为克服不规则截面环形构件的截面轮廓测量点云中存在的严重异常值、缺失与噪声叠加而导致的截面测量精度难以保证，而传统点云处理方法难以对测量点云有效处理的问题，本发明提出了一种基于深度学习与自适应拓扑保持非刚配准的点云处理方法，利用PointNet++网络深度学习的强函数拟合能力和特征学习能力，构建异常值分割点网，通过分层网络架构与多尺度分组提取局部精细特征，实现轮廓测量点云的连续异常值剔除；并在非刚配准期间求解基于概率密度估计函数建立的目标函数中引入全局拓扑约束与局部拓扑约束，解决了非刚性配准涉及的复杂形变问题。最终通过非刚性配准后的CAD模型点云替代测量点云，得到能满足几何质量评估精度的点云。

本发明授权基于深度学习与自适应拓扑保持非刚配准的点云处理方法在权利要求书中公布了：1.基于深度学习与自适应拓扑保持非刚配准的点云处理方法，其特征在于，用于对不规则截面环形构件的原始轮廓测量点云进行处理，包括以下步骤： 步骤1：采用PointNet++网络架构将所述原始轮廓测量点云划分为轮廓点和异常值点，将所述异常值点剔除，得到剔除异常值点后的内、外轮廓点云； 步骤2：将剔除异常值点后的内、外轮廓点云拼接，得到拼接后轮廓测量点云； 步骤3：在添加全局和局部约束的情况下，将所述不规则截面环形构件的CAD模型点云自适应拓扑保持非刚性配准至步骤2得到的拼接后轮廓测量点云，得到非刚性配准后的CAD模型点云，用所述非刚性配准后的CAD模型点云替代轮廓测量点云作为后续对所述不规则截面环形构件的几何质量评估的点云； 所述自适应拓扑保持非刚性配准的方法为： 首先，将所述不规则截面环形构件的CAD模型点云变换至所述拼接后轮廓测量点云的配准问题，转换为概率密度估计函数： 其中： XN×D表示拼接后轮廓测量点云； N表示拼接后轮廓测量点云内的点数； D表示拼接后轮廓测量点云维度； xn表示拼接后轮廓测量点云内的点； M表示CAD模型点云内的点数； ω为代表噪声先验水平的权系数； πM+1＝ω； m＝M+1； σ2为各向异性方差； 为非刚性变换； θ为非刚性变换参数； ym表示CAD模型点云内的点； 然后，通过改进的EM算法迭代求解所述概率密度估计函数中的各向异性方差σ2和非刚性变换参数θ，直至收敛，从而获得最优化对齐的非刚性变换矩阵此时概率密度估计函数求解完成； 最后，通过所述最优化对齐的非刚性变换矩阵将CAD模型点云非刚性配准至拼接后轮廓测量点云； 所述改进的EM算法具体为： 在E步中计算轮廓测量点云中的点xn与CAD模型点云中的点ym的匹配概率poldm|xn， 在M步中基于概率密度估计函数建立的目标函数中引入全局拓扑约束与局部拓扑约束，然后最小化引入约束后的目标函数，寻找新的非刚性变换参数θ和各向异性方差σ2。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。