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！

龙图腾网获悉湖南大学申请的专利一种基于稠密与稀疏卷积融合的三维实例分割方法及系统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：CN116452940B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310662450.6，技术领域涉及：G06V10/80；该发明授权一种基于稠密与稀疏卷积融合的三维实例分割方法及系统是由余洪山;蒋智龙设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本一种基于稠密与稀疏卷积融合的三维实例分割方法及系统在说明书摘要公布了：本发明公开了一种基于稠密与稀疏卷积融合的三维实例分割方法及系统，该方法通过在基于体素的稀疏卷积特征提取网络中引入一个轻量级的高分辨率基于点的稠密卷积分支，能够同时提取三维点云数据的细粒度几何信息和粗粒度上下文信息，采用自适应融合互补策略来获取鲁棒、语义丰富的点级特征，为点级聚类操作得到高质量目标实例掩膜提供有效支撑。利用所提出的稠密与稀疏卷积融合模块，本发明构造了一种新的三维实例分割网络框架。采用本发明提出的三维实例分割网络框架来实现室外和室内场景的3D实例分割，具有精度高、计算量小、应用场景限制性小等突出优点。

本发明授权一种基于稠密与稀疏卷积融合的三维实例分割方法及系统在权利要求书中公布了：1.一种基于稠密与稀疏卷积融合的三维实例分割方法，其特征在于，包括以下步骤： 步骤1，对待分割的场景点云，采用稠密卷积和稀疏卷积特征提取网络来分别提取得到细粒度点级特征和粗粒度体素级特征； 步骤2，拼接点级特征和体素级特征，并进行特征融合来深度聚合细粒度和粗粒度信息，从而获得高维语义特征； 步骤3，基于高维语义特征，分别利用语义标签预测网络、偏移向量预测网络预测场景点云的语义标签和每个点相对其所属实例质心的偏移向量； 步骤4，利用层级聚类算法在偏移坐标空间分离具有不同语义标签的点，聚合具有相同语义标签的点生成多组候选实例； 步骤5，对候选实例中对应点的高维语义特征通过掩码预测网络进行掩码预测，分割候选实例的前景和背景点来进一步精细化候选实例，得到最终的实例掩码； 步骤6，基于实例掩码，将其对应点的高维语义特征进行全局平均池化来生成表示单个实例掩码的特征，将单个实例掩码的特征输入全连接层，获得该实例掩码的置信度分数，将置信度分数满足设定阈值的实例掩码赋予实例标签，其余实例掩码被剔除，输出带有实例标签的场景点云，完成分割； 步骤7：利用训练数据，按照步骤1-步骤6，进行监督式学习迭代训练，直到整体网络损失达到最小或者达到迭代次数，更新整体网络参数后；按照步骤1-步骤6对待分割的场景点云进行实例分割。

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湖南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路2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”。