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！

龙图腾网获悉太原理工大学申请的专利一种基于图结构局部特征描述符的点云配准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：CN115457091B 。

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：202210857776.X，技术领域涉及：G06T7/33；该发明授权一种基于图结构局部特征描述符的点云配准方法是由程兰;张文丽;任密蜂;续欣莹;阎高伟;张喆设计研发完成，并于2022-07-21向国家知识产权局提交的专利申请。

本一种基于图结构局部特征描述符的点云配准方法在说明书摘要公布了：本发明涉及计算机视觉及机器人技术领域，具体是一种基于图结构局部特征描述符的点云配准方法。包括以下步骤，S1：对训练样本数据和待配准数据进行Patch提取并规范化处理；S2：搭建基于图结构的深度神经网络模型，使得模型适用于点云数据的处理；S3：利用步骤S1中经过预处理的训练样本数据对步骤S2搭建的深度神经网络进行训练；S4：将经过预处理的待配准数据输入到步骤S3训练好的深度神经网络中，待配准数据为待配准一对点云，分别得到对应点的特征描述符向量；S5：利用步骤S4生成的对应点的特征描述符向量，计算刚性变换矩阵[R,t],利用最终的刚性变换矩阵[R,t]实现点云的配准，其中R表示旋转矩阵，t表示平移向量。

本发明授权一种基于图结构局部特征描述符的点云配准方法在权利要求书中公布了：1.一种基于图结构局部特征描述符的点云配准方法，其特征在于：包括以下步骤， S1：对训练样本数据和待配准数据进行Patch提取并规范化处理； S2：搭建基于图结构的深度神经网络模型，使得模型适用于点云数据的处理； 步骤S2具体包括以下分步骤： S21：基于图结构网络搭建特征提取模型，使得Patch中的点能直接输入图结构网络，最后以全连接网络形式映射提取的特征； 步骤S21中搭建特征提取模型的具体过程为， S211：首先将输入的Patch经过可训练的转换网络SpatialT-Net，它将原始点云作为输入并回归到一个3×3的仿射变换矩阵A对Patch内的点进行坐标对齐； S212：紧接着连续输入到四组GraphConv模块中提取每个点的局部几何特征，每组GraphConv模块先采用BallQuery选取K个近邻点构成图的范围，分别通过一个共享权值的多层感知机（64,64,128,256）来提取经过BallQuery图结构的边缘信息，经过图卷积进行特征提取后得到k个边特征信息，再将该信息经过Maxpooling进行最大池化以聚合k个边特征，得到质心a的特征向量； S213：然后将每组图卷积的输出特征向量进行连接用于提取多尺度特征，使用一层Mlp聚合多尺度特征并使用Maxpooling获得点云Patch的全局特征； S214：最后通过一组MLP输出d维的特征向量，并使用局部响应归一化层来生成单位长度的描述符； S22：基于图结构网络搭建孪生网络模型，使得模型分支分别作用于不同点云，通过全连接映射后的输出对应点的特征描述符； S3：利用步骤S1中经过预处理的训练样本数据对步骤S2搭建的深度神经网络进行训练； S4：将经过预处理的待配准数据输入到步骤S3训练好的深度神经网络中，待配准数据为待配准的一对点云，分别得到对应点的特征描述符向量； S5：利用步骤S4生成的对应点的特征描述符向量，计算刚性变换矩阵[R,t],利用最终的刚性变换矩阵[R,t]实现点云的配准，其中R表示旋转矩阵，t表示平移向量。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79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”。