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！

龙图腾网获悉哈尔滨工业大学申请的专利机载多光谱激光雷达点云语义分割方法、存储介质及设备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：CN116597148B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202310648684.5，技术领域涉及：G06V10/26；该发明授权机载多光谱激光雷达点云语义分割方法、存储介质及设备是由李贤;孙钰哲;谷延锋设计研发完成，并于2023-06-02向国家知识产权局提交的专利申请。

本机载多光谱激光雷达点云语义分割方法、存储介质及设备在说明书摘要公布了：机载多光谱激光雷达点云语义分割方法、存储介质及设备，属于机载激光雷达点云数据处理技术领域。为了解决现有的机载多光谱点云中存在地物尺寸以及分布不均衡的问题而导致点云分割下过差的问题。本发明基于机载多光谱原始点云合成多光谱点云，并按照均匀网格选取样本，同时通过基于k聚类的方法对每种地物的密度中心球状邻域采样，然后将两种采样结果进行拼接，完成全面密网采样，之后按照波段进行分离，利用语义分割网络逐波段对单波段点云进行语义分割，进而得到拼接矩阵并利用融合网络进行融合得到最终的语义分割结果；本发明还利用联合训练策略进行训练提高网络的整体拟合能力，进而提升网络的分割效果。

本发明授权机载多光谱激光雷达点云语义分割方法、存储介质及设备在权利要求书中公布了：1.一种机载多光谱激光雷达点云语义分割方法，其特征在于，其包括分割网络模型的建立和训练过程，以及利用训练好的分割网络模型对机载多光谱点云语义分割的过程； 所述分割网络模型的建立和训练过程包括以下步骤： S1、针对机载多光谱点云，采用全面密网采样策略进行采样： 将含有空间位置信息以及单波段回波强度的独立点云称为单波段点云，机载多光谱原始点云为数幅单波段点云，设有M个波段，则机载多光谱原始点云为M幅单波段点云； 首先基于机载多光谱原始点云合成多光谱点云； 然后在合成的多光谱点云中，按照均匀网格选取样本其中N为每个样本所包含的点数，L1为使用均匀网格选取的样本数； 随后在合成得到的多光谱点云中通过基于k聚类的方法对每种地物的密度中心球状邻域采样其中N为每个样本所包含的点数，L2为使用k聚类的方式选取的样本数； 最后将两种采样方式所采集的结果向量沿着样本数的维度使用首尾相连的方式进行直接拼接，完成全面密网采样，输出全面密网采样后的样本 S2、针对全面密网采样后的样本将其按照M个波段进行分离，形成M个单波段点云；然后利用语义分割网络逐波段对单波段点云进行语义分割，输出单波段语义分割结果，单波段语义分割结果为单波段点云中每个点的类别分类概率矩阵； S3、针对所有单波段分割所得的逐点分类概率矩阵，首先对每个波段的分类概率矩阵逐位求均值，得到均值概率矩阵； 再对每个波段的分类概率矩阵逐位取最小值，得到最小值概率矩阵； 最后将均值概率矩阵与最小值概率矩阵与每个波段的分类概率直接进行首尾相连形式的拼接，之后将拼接得到的特征经过激活函数激活得到特征矩阵FMultiply，然后将FMultiply输入融合网络进行融合，并在融合网络中添加注意力机制，输出得到最终的语义分割结果； S4、利用联合训练策略进行训练，所述的联合训练策略包括设置辅助损失函数的总损失和多优化器： 设置辅助损失函数的总损失：定义辅助损失函数和融合层的损失函数其中其中xi分别为单原始数据，i＝1,2,……,M，Θi为单个语义分割网络中梯度下降中学习得到的参数，为各个波段单波段点云语义分割的损失函数；fi为单波段点云语义分割所获得的逐点类别概率矩阵，Θm为融合层梯度下降中学习得到的参数，为融合网络的损失函数； 设置总损失函数 在整体网络的前向传播过程中，逐波段语义分割网络会先将每一个波段的单波段点云进行语义分割，从而得到类别概率矩阵，将所述类别概率矩阵输入融合网络中，经过融合得到了最终语义分割结果；在反向传播的过程中，梯度下降算法通过在融合层进行参数的学习，同时通过辅助损失函数，完成语义分割模块对于拟合单波段点云的目的； 并行优化器：在每一个波段的语义分割网络以及融合网络分别添加独立的优化器。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。