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！

龙图腾网获悉上海交通大学宁波人工智能研究院申请的专利一种面向工业场景的工件点云实例分割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：CN116630623B 。

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：202310581737.6，技术领域涉及：G06V10/26；该发明授权一种面向工业场景的工件点云实例分割方法是由吴盟;庄开宇;杨根科;褚健设计研发完成，并于2023-05-19向国家知识产权局提交的专利申请。

本一种面向工业场景的工件点云实例分割方法在说明书摘要公布了：本发明公开了一种面向工业场景的工件点云实例分割方法，涉及3D机器视觉和深度学习技术领域，包括：步骤1、进行图像采集与数据转换，获得工件的点云数据；步骤2、点云预处理，滤除点云数据中的无效点和工作台平面；步骤3、点云标注，对预处理后的点云数据进行实例标注得到标注文件；标注文件和点云数据构成模型训练所需的点云实例分割数据集；步骤4、数据增强；步骤5、点云实例分割模型构建；步骤6、点云实例分割模型训练；步骤7、点云实例分割模型预测，使用训练好的点云实例分割模型进行推理，输入验证集中的数据，输出并显示预测得到的实例类别及点云组成。

本发明授权一种面向工业场景的工件点云实例分割方法在权利要求书中公布了：1.一种面向工业场景的工件点云实例分割方法，其特征在于，所述方法包括以下步骤： 步骤1、进行图像采集与数据转换，获得工件的点云数据； 步骤2、点云预处理，滤除所述点云数据中的无效点和工作台平面，保存剩余的点云数据作为所述工件的点云表示； 步骤3、点云标注，对预处理后的所述点云数据进行实例标注得到标注文件；所述标注文件和所述点云数据构成模型训练所需的点云实例分割数据集； 步骤4、数据增强，对所述点云实例分割数据集进行数据增强； 步骤5、点云实例分割模型构建，包括构建主干网络模块、语义类别及偏移向量预测模块、聚类模块、特征重提取及融合模块、掩码预测及掩码评分模块； 步骤6、点云实例分割模型训练，将经过数据增强的所述点云实例分割数据集按照8:2的比例划分为训练集和验证集，将所述训练集输入到所述点云实例分割模型中进行训练； 步骤7、点云实例分割模型预测，使用训练好的所述点云实例分割模型进行推理，输入所述验证集中的数据，输出并显示预测得到的实例类别及点云组成； 所述步骤5中包括以下子步骤： 步骤5.1、所述主干网络模块通过MinkowskiNet提取多尺度的点云特征，其中，所述MinkowskiNet引入Minkowski张量和Minkowski卷积构建ResNet-34作为所述点云特征的提取网络； 步骤5.2、对于所述步骤5.1提取的所述点云特征，所述语义类别及偏移向量预测模块通过多层MLP分别预测出所述点云实例分割数据集中每个点的语义类别及每个点到该点所属的实例几何中心的偏移向量，其中，所述语义类别和所述偏移向量分别用维和维的向量来表示，为所述点云实例分割数据集中点的个数，为所述工件的类别数； 步骤5.3、所述聚类模块根据所述偏移向量将所述点云实例分割数据集中的所述每个点向该点所属的所述实例几何中心移动，获取以所述实例几何中心为中心的半径为r的球内的所有点，将与所述实例几何中心有相同所述语义类别的点聚为一簇，得到若干个初步分割预测实例； 步骤5.4、所述特征重提取及融合模块使用Minkowski稀疏卷积构建ResNet-18作为特征重提取网络，使用所述ResNet-18提取若干个所述初步分割预测实例的实例级特征，并与所述ResNet-34提取的所述点云特征进行融合，得到融合特征； 步骤5.5、所述掩码预测及掩码评分模块基于所述融合特征，通过两层MLP预测出实例级的掩码，滤除所述初步分割预测实例中的背景点；同时，通过一个掩码评分分支来生成最终分割预测实例的置信度评分。

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上海交通大学宁波人工智能研究院，其通讯地址为：315012 浙江省宁波市海曙区南门街道南站西路29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。