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！

龙图腾网获悉北京工业大学申请的专利基于层次化图卷积网络和空间注意力机制的三维点云数据分类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：CN116258903B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310223966.0，技术领域涉及：G06V10/764；该发明授权基于层次化图卷积网络和空间注意力机制的三维点云数据分类方法是由王丹;李珂设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本基于层次化图卷积网络和空间注意力机制的三维点云数据分类方法在说明书摘要公布了：本发明公开一种基于层次化图卷积网络和空间注意力机制的三维点云数据分类方法，属于三维点云分类领域，包括层次图卷积模块、空间注意力模块、相似度对比模块。基于多视野、不同密度稀疏程度得到邻接点，以图卷积的方式结合自身点云特征得到新的特征向量，注入空间注意力机制得到新节点的特征向量；扩大感受野，在新节点的基础上按照结构相似度合并与新节点相似的邻居节点，得到多层次超节点信息，减少局部信息的冗余并加强局部特征。计算法向量特征并加入到点云的全局特征，提高点云的整体特征信息。本发明收集多层次邻居节点特征并结合空间注意力达到强化局部特征的目的，可以更进一步提高三维点云处理分类网络的鲁棒性。

本发明授权基于层次化图卷积网络和空间注意力机制的三维点云数据分类方法在权利要求书中公布了：1.基于层次化图卷积网络和空间注意力机制的三维点云数据分类方法，其特征在于：包括层次图卷积模块、空间注意力模块、相似度对比模块；其中层次图卷积模块，包括基于查询点的多视野、不同密度稀疏程度的K个邻接点的筛选，并以图卷积的方式结合查询点自身点云特征得到新的特征向量；其中空间注意力模块，包括改进DAnet操作步骤，去掉影响形状特征的reshape操作，引入动态的标度特征参数进行较远距离点形状关联，和空间注意力矩阵相乘得到强化的特征参数，即为新的节点特征向量；其中相似度对比模块，包括对新节点进行KNN查询得到新节点的邻居节点，在新节点的基础上按照结构相似度合并与新节点相似的邻居节点，得到多层次超节点信息，减少相似节点的信息冗余并加强局部特征；计算超节点的法向量，将带有法向量特征的超节点的局部特征和带有法向量信息输入的全局特征进行融合，最后得到点云的分类结果； 步骤一、筛选查询点多视野、不同密度稀疏程度的K个邻接点： 对于任意给出的点云节点，每个节点的度不一样，查找的邻近点可能包含在不同大小的局部区域内，导致信息冗余，不同位置点的密度也不一样；为了得到K个邻近点的特征信息，进行如下操作： 图的定义如下，G＝V，C，其中V为点云节点的集合，C为边的集合；每个节点j都对应其特征xj，用矩阵XN*T表示，C为N×K的邻接矩阵，其中N代表节点数，T为节点特征向量的维度，K表示邻近点的数量； 针对点云节点Q＝{X,Y,Z}，其中{X,Y,Z}分别表示节点Q的三维坐标值，提供M1和M2两个不同的感受野，r1和r2表示不同感受野的半径大小，其中r1r2，M1M2；通过KNN进行点云节点Q的邻近点查询，并投影到点云节点Q的切平面，根据不同感受野邻域点密度的比例提取邻域内的邻接点，找到K个邻近点；以半径为r1的M1感受野说明K个邻接点的查找过程，首先计算不同感受野体积比例，计算公式为其中b1表示半径r1的M1感受野球的体积比例，b2表示半径r1的M1感受野球和半径r2的感受野M2中间环体积的比例；然后计算点云的法向量，计算公式为：n＝b1×K；其中xi表示第i个邻接点，表示节点Q周围邻接点的平均坐标值,Nor为法向量，‖n‖表示n的范数； 然后计算M1视野中这n个邻接点在节点Q处的切平面的投影向量；计算公式为：Yi＝Xi-Q-Xi·Nor·Nor，其中Yi为邻接节点i在切平面的投影向量，Q＝{X,Y,Z}分别表示节点Q的三维坐标值； 步骤二：邻接点图卷积提取特征操作。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。