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！

龙图腾网获悉南京大学申请的专利一种基于深度学习的点云配准方法、系统、设备及介质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：CN116071410B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310239900.0，技术领域涉及：G06T7/33；该发明授权一种基于深度学习的点云配准方法、系统、设备及介质是由于耀;郭天财;周余设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本一种基于深度学习的点云配准方法、系统、设备及介质在说明书摘要公布了：本发明公开一种基于深度学习的点云配准方法、系统、设备及介质，涉及计算机视觉与激光雷达测量标定领域。该方法包括：获取激光雷达数据，并根据激光雷达数据生成点云数据集；根据点云数据集确定第一点云和第二点云；采用训练好的孪生神经网络，确定第一点云和第二点云中每个点的几何描述符和关键性得分；根据几何描述符和关键性得分，从第一点云和第二点云中确定若干个匹配对；采用训练好的匹配对一致性学习网络，确定各匹配对的置信度；根据各置信度计算第一点云和第二点云之间的变换矩阵；根据变换矩阵对第一点云和第二点云进行配准。本发明能够提高点云配准精度，从而提高激光雷达测量标定的准确度。

本发明授权一种基于深度学习的点云配准方法、系统、设备及介质在权利要求书中公布了：1.一种基于深度学习的点云配准方法，其特征在于，所述点云配准方法包括： 获取激光雷达数据，并根据所述激光雷达数据生成点云数据集； 根据所述点云数据集确定第一点云和第二点云；所述第一点云和所述第二点云分别表征不同帧的激光雷达数据； 采用训练好的孪生神经网络，确定所述第一点云和所述第二点云中每个点的几何描述符和关键性得分，具体包括：所述训练好的孪生神经网络包括：编码器网络、互注意力网络和解码器网络；采用编码器网络，对所述第一点云和所述第二点云分别进行降采样，得到第一局部形状特征和第二局部形状特征；采用互注意力网络，对所述第一局部形状特征和所述第二局部形状特征进行信息交换，得到第一融合特征和第二融合特征；采用解码器网络，对所述第一融合特征和所述第二融合特征分别进行上采样，得到所述第一点云和所述第二点云中每个点的几何描述符和关键性得分； 根据所述几何描述符和所述关键性得分，从所述第一点云和所述第二点云中确定若干个匹配对；所述匹配对表征所述第一点云中的点与所述第二点云中的点的一一对应关系； 采用训练好的匹配对一致性学习网络，确定各所述匹配对的置信度； 根据各所述置信度计算所述第一点云和所述第二点云之间的变换矩阵； 根据所述变换矩阵对所述第一点云和所述第二点云进行配准，得到配准点云；所述配准点云用于构建激光雷达扫描区域的点云地图。

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南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163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。