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！

龙图腾网获悉电子科技大学申请的专利一种基于局部几何轮廓和全局结构保持的点云分类/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：CN120014363B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510188304.3，技术领域涉及：G06V10/764；该发明授权一种基于局部几何轮廓和全局结构保持的点云分类/分割方法是由袁上博;朱晓峰;胡平;杨龙宇设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本一种基于局部几何轮廓和全局结构保持的点云分类/分割方法在说明书摘要公布了：本发明公开了一种基于局部几何轮廓和全局结构保持的点云分类分割方法，首先分别从空间距离和特征空间角度提取点云的局部与全局邻域关系图，其中，空间距离计算和k‑近邻算法精确捕捉点云数据中复杂的几何和语义信息，增强了特征提取的准确性和鲁棒性，同时，邻域关系图自扩散机制进一步强化了点云表面轮廓的特征扩散，以充分利用局部几何轮廓信息，提高了局部结构的表达能力，然后，从局部邻域关系图、全局邻域关系图中分别提取出局部特征和全局特征，送入特征融合模块中，利用交叉注意力机制有效地融合局部特征与全局特征，自适应地强化关键信息，从而提升分类和分割的精度，这一融合方法使得分类分割输出头能够更加精准地捕捉不同尺度的特征，提高了对复杂点云数据的处理能力，使得其根据输入的融合特征生成准确的分类分割结果，显著提升了分类分割精度。

本发明授权一种基于局部几何轮廓和全局结构保持的点云分类/分割方法在权利要求书中公布了：1.一种基于局部几何轮廓和全局结构保持的点云分类分割方法，其特征在于，包括以下步骤： 1、采用多级串联的特征提取器对点云数据进行融合特征提取 第一级特征提取器将点云数据中点的三维坐标作为输入特征，之后的特征提取器将前一级特征提取器输出的融合特征作为输入特征，每一级特征提取器包括局部邻域构建模块、全局邻域构建模块、局部特征提取网络、全局特征提取网络以及特征融合模块，在每一级特征提取器中，将输入特征分别输入到局部邻域构建模块以及全局邻域构建模块； 1.1、获取局部邻域关系图和全局邻域关系图 在局部邻域构建模块中，首先依据输入特征计算每个点到其它点之间的空间距离，然后根据空间距离，从点云数据中确定每个点的邻域点集合即通过选取前k个最小空间距离构建邻域关系图，然后将获取的邻域关系图利用自扩散机制进行特征的传播与强化，从而快速扩展到点云表面轮廓点，最后确定扩散后的邻域关系图中的指定维度上的前k个最大值及索引作为局部邻域关系图； 在全局邻域构建模块中，首先依据输入特征计算每个点到其它点之间的空间距离，然后每个点找到距离最近的k个邻居索引作为全局邻域关系图； 1.2、提取局部特征和全局特征 局部特征提取网络和全局特征提取网络均为多层串联式神经网络，每一层神经网络由二维卷积层和最大池化层组成，每层的特征更新函数为： 其中，hi n为第n层神经网络第i个点的输入特征，hi n+1为第n层神经网络第i个点的输出特征，Θ为二维卷积层的参数，max为最大池化函数，Ni表示第i个点的邻域点集合，j表示邻域点集合Ni中的第j个点； 局部邻域关系图作为输入特征输入局部特征提取网络的第一层神经网络，局部特征提取网络最后一层的输出特征即为提取的局部特征Flocal，全局邻域关系图作为输入特征输入全局特征提取网络的第一层神经网络，全局特征提取网络的最后一层的输出特征即为提取的全局特征Fglobal； 1.3、采用交叉注意力机制融合局部特征和全局特征，得到融合特征 在特征融合模块中，使用交叉注意力机制对局部特征和全局特征进行融合：首先引入一组可学习的全局查询值Q，对给定局部特征Flocal使用交叉注意力机制将其与全局查询值Q聚合得到中间局部特征CAQ,Flocal，然后，中间局部特征CAQ,Flocal与全局特征Fglobal进行进一步融合，得到融合特征Ffusion： Ffusion＝CAFglobal,CAQ,Flocal 其中，CA·,·表示交叉注意力操作； 2、点云分类分割 采用分类分割输出头，根据点云数据中各点得到的融合特征Ffusion进行分类分割，得到点云分类分割结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。