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！

龙图腾网获悉合肥工业大学申请的专利一种基于双边特征融合及向量自注意力的点云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：CN116824143B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310780811.7，技术领域涉及：G06V10/26；该发明授权一种基于双边特征融合及向量自注意力的点云分割方法是由胡海兵;刘泓淳;冯鑫设计研发完成，并于2023-06-29向国家知识产权局提交的专利申请。

本一种基于双边特征融合及向量自注意力的点云分割方法在说明书摘要公布了：本发明公开了一种基于双边特征融合及向量自注意力的点云分割方法，涉及点云语义分割技术领域；包括如下步骤：输入原始点云数据；使用双边特征融合模块和向量自注意力模块对输入的原始点云数据进行编码；对点云特征进行解码，用连续的FP层对点云特征进行上采样，得到点云的分割结果。本发明提出了一种高效的点云语义分割网络，使得点云的语义分割更为快速准确，分割性能优越；提出了一组基于几何语义双边特征信息的修正信息计算模块，调整边缘信息，缓解了局部区域聚合时的边缘歧义问题，加强了局部信息的聚合效果；提出了一种新的偏移向量自注意力模块，有效的提取了点云的全局特征，在减少网络计算量的基础上，取得了更好的全局特征提取效果。

本发明授权一种基于双边特征融合及向量自注意力的点云分割方法在权利要求书中公布了：1.一种基于双边特征融合及向量自注意力的点云分割方法,其特征在于，该方法包括如下步骤： S1：输入原始点云数据； S2：使用双边特征融合模块和向量自注意力模块对输入的原始点云数据进行编码，具体为： 将输入点云划分为几何空间包含点云的坐标信息，其维度[B,N,3]，语义空间包含点云的颜色信息和法向量，其维度为[B,N,6]，对语义空间部分进行mlp操作，将其转化到语义空间然后分别送入编码器SA中，利用原始数据上的FPS来生成采样点pi相应的特征信息表示fi，以这些采样点为中心，在三维欧几里得距离的度量下使ballquery方法对点云进行分组，其中ballquery的方法就是通过设定一个半径r，找到以FPS采样点为中心，r为半径的球面范围的点，这些点被称为中心点pi的邻居点pj，∀pj∈Nipi，并添加SA层和VA层对点云特征进行提取；其中SA层表示点云的局部区域聚合层负责点云的双边特征信息融合和局部特征提取，VA层为改进的自注意力层负责完成点云的全局特征提取； 在SA层，将中心点的绝对位置及其邻域的相对位置组合为几何空间局部特征Gpi,pj=[pi;pj-pi]；同样的在语义空间中利用Sfi,fj=[fi;fj-fi]表示语义空间中的局部特征；采用MLP将几何信息转换到语义空间，通过softmax函数将几何信息转化为一种特征掩码，对语义空间的边缘特征信息进行修正；同样的，针对几何空间，也是采用相同的方法来对几何边缘信息进行动态调整；同时将调整后的边缘信息与原本的边缘信息相加，建立了一种残差结构来保证信息优化的鲁棒性；这种修正信息的计算可以被公式化为： 其中Gepi,pj=[pi;pj-pi],Sefi,fj=[fi;fj-fi],pi,pj,ps∈RN×3,fi,fj,fs∈RN×d； 随后将得到的补充信息与ps，fs与Gpi,pj，Sfi,fj结合起来，得到G’=[pi;pj-pi;ps],其中S’=[fi;fj-fi;fs]，G’∈RN×9，S’∈RN×3×d，然后再将它们concat就得到了增强的局部特征信息Fc，将得到的局部特征信息Fc送入两层LBR层进行特征提取得到Fc’，最后将得到的特征Fc’送入最大值池化层完成局部区域的特征聚合得到局部聚合特征Fa；在得到局部聚合特征Fa之后，将得到的局部区域聚合信息送入VA层中进行全局特征提取； 在传统注意力机制的计算方法中引入了向量注意力机制的方法，用减法和两层linear层再通过softmax函数来生成注意力矩阵，计算公式如下： 其中γ是一个映射函数，它产生用于特征聚合的注意力向量，将得到的注意力矩阵FA与输入特征Fa进行点乘便得到了注意力特征Fv，设计了一种偏移注意力机制，用以下公式表示： 便得到了特征信息Fout； S3：对点云特征进行解码，用连续的FP层对点云特征进行上采样，得到点云的分割结果。

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合肥工业大学，其通讯地址为：230000 安徽省合肥市屯溪路193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。