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！

龙图腾网获悉大连理工大学申请的专利一种半刚性预制混凝土节点的端到端图像-点云配准与损伤预测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：CN120431089B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510918963.8，技术领域涉及：G06T7/00；该发明授权一种半刚性预制混凝土节点的端到端图像-点云配准与损伤预测方法是由何政;于殿友;郎书澜设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本一种半刚性预制混凝土节点的端到端图像-点云配准与损伤预测方法在说明书摘要公布了：本发明提供了一种半刚性预制混凝土节点的端到端图像‑点云配准与损伤预测方法，涉及图像处理技术领域，包括如下步骤：S1、建立双分支编码‑解码结构；S2、对图像全局特征、点云全局特征、像素级特征和点级特征进行跨维度特征融合，得到图像主导融合特征和点主导融合特征；输出位姿估计矩阵；S3、建立时序损伤预测模型，使用多维度损失函数对时序损伤预测模型进行约束；S4、将配准后的图像像素级特征、点云全局特征、相对时间信息输入至时序损伤预测模型中，输出损伤预测值。本发明在特征提取、配准精度和鲁棒性等方面性能卓越，优于多个前沿网络，为多尺度特征量化、评估与重建提供了关键技术支持。

本发明授权一种半刚性预制混凝土节点的端到端图像-点云配准与损伤预测方法在权利要求书中公布了：1.一种半刚性预制混凝土节点的端到端图像-点云配准与损伤预测方法，其特征在于，包括如下步骤： S1、建立双分支编码-解码结构，所述双分支编码-解码结构包括图像分支和点云分支；使震后半刚性预制混凝土节点时序图像经过图像分支的编码器生成图像全局特征，再经过图像分支的解码器生成像素级特征；使震后图像同一时刻的时序点云经过点云分支的编码器生成点云全局特征，再经过点云分支的编码器生成点级特征； 所述图像分支的编码器包括ResNet模块和Transformer模块； 所述ResNet模块用以提取深层语义；所述ResNet模块采用ResNet34，ResNet34包含四个残差块，所述ResNet模块逐层提取图像的多层次特征； 所述Transformer模块用以增强全局注意力；所述Transformer模块引入两层Transformer，通过全局自注意力机制强化对局部关键特征的关注； 所述图像分支的解码器用以生成像素级特征；所述图像分支的解码器通过三层解码模块，结合跳跃连接恢复像素级特征； 所述点云分支的编码器包括SetAbstraction模块和PointTransformer模块； 所述SetAbstraction模块用以筛选关键点；所述SetAbstraction模块通过最远点采样筛选关键点，结合多层感知机在局部邻域内提取特征； 所述PointTransformer模块用以利用局部自注意力机制有效建模点间关系；所述PointTransformer模块针对点云设计局部自注意力机制，通过K近邻限制注意力范围，捕捉长程依赖关系； 所述点云分支的解码器通过FeaturePropagation模块与PointTransformerⅤ，上采样恢复点级特征； S2、对图像全局特征、点云全局特征、像素级特征和点级特征进行跨维度特征融合，得到图像主导融合特征和点主导融合特征；基于图像主导融合特征和点主导融合特征得到特征匹配点信息，输出位姿估计矩阵； S3、建立半刚性预制混凝土节点的时序损伤预测模型，使用多维度损失函数对时序损伤预测模型进行约束；在总损失和各项损失分量收敛时，输出时序损伤预测模型； 时序损伤预测模型包括： 输入特征，包括相对时间信息t、点云全局特征、像素级特征FI； 基于循环神经网络的双向长短期记忆模块，用以进行时空特征进行建模； 时间编码模块，用以增强网络对的相对时间及非等间距时变的理解能力，将相对时间信息映射为紧凑的时间特征向量；时间编码模块由两个全连接层组成； 将时间特征向量与空间特征融合，以增强网络的时空理解能力； 损伤预测头由两层全连接层构成； S4、将配准后的图像像素级特征、点云全局特征、相对时间信息输入至时序损伤预测模型中，输出损伤预测值。

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大连理工大学，其通讯地址为：116024 辽宁省大连市高新园区凌工路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”。