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！

龙图腾网获悉北京邮电大学申请的专利基于动态不确定度主动学习策略的点云语义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：CN119580253B 。

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：202411561096.9，技术领域涉及：G06V20/70；该发明授权基于动态不确定度主动学习策略的点云语义分割方法是由徐连明;王莉;吴鑫;牛辰龙设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于动态不确定度主动学习策略的点云语义分割方法在说明书摘要公布了：本发明提供一种基于动态不确定度主动学习策略的点云语义分割方法及系统，属于道面监测技术领域，包括：基于三维点云数据样本，得到多个已标注的第一超点样本和多个未标注的第二超点样本；基于全部第一超点样本训练初始模型，得到第一训练模型；使用第一训练模型对每个第二超点样本进行预测，得到每个第二超点样本的实际不确定度；基于实际不确定度对全部第二超点样本进行筛选，得到多个候选超点样本；基于全部候选超点样本，构建训练数据集；基于训练数据集对第一训练模型进行更新训练，得到点云语义分割模型。本发明通过智能筛选和优化标注样本分布，提升类别多样性并降低标注成本，从而显著提高模型的分割精度和泛化能力。

本发明授权基于动态不确定度主动学习策略的点云语义分割方法在权利要求书中公布了：1.一种基于动态不确定度主动学习策略的点云语义分割方法，其特征在于，包括： 将三维点云数据输入至点云语义分割模型，得到所述三维点云数据中每个点的语义类别；其中，所述点云语义分割模型是基于以下方式构建得到的： 基于三维点云数据样本，得到多个第一超点样本和多个第二超点样本，所述第一超点样本为已标注的超点样本，所述第二超点样本为未标注的超点样本； 基于全部所述第一超点样本训练初始模型，得到第一训练模型； 使用所述第一训练模型对每个所述第二超点样本进行预测，得到每个所述第二超点样本的实际不确定度；所述第二超点样本包括多个三维点；所述使用所述第一训练模型对每个所述第二超点样本进行预测，得到每个所述第二超点样本的实际不确定度，具体包括： 对每个所述第二超点样本包括的全部三维点进行划分，得到第一点集合和第二点集合，所述第一点集合为所述第二超点样本中类别占比最高的三维点组成的集合； 使用所述第一训练模型计算每个所述三维点的信息熵，得到所述第一点集合中每个三维点的第一不确定度和所述第二点集合中每个三维点的第二不确定度； 基于全部所述第一不确定度和全部所述第二不确定度，计算每个所述第二超点样本的初始不确定度；所述初始不确定度是根据第一总不确定度和第二总不确定度得到，所述第一总不确定度是将所述第一点集合中所有点的不确定度进行累加后得到，所述第二总不确定度是将所述第二点集合中所有点的不确定度进行累加后得到； 将每个所述初始不确定度与每个所述第二超点样本的类别平衡权重系数相乘，得到每个所述第二超点样本的实际不确定度，每个所述第二超点样本的类别平衡权重系数是基于每种类别的第二超点样本在全部类别的超点样本中的比例确定的； 基于所述实际不确定度对全部所述第二超点样本进行筛选，得到多个候选超点样本；所述基于所述实际不确定度对全部所述第二超点样本进行筛选，得到多个候选超点样本，具体包括： 在每轮筛选时，选择实际不确定度最高的第二超点样本作为候选超点样本，且基于所述候选超点样本和其余第二超点样本的空间距离和特征相似性，对其余第二超点样本的实际不确定度进行动态衰减，直至筛选得到预设数量的候选超点样本；所述动态衰减具体包括：根据衰减系数和所述第二超点样本与所述候选超点样本中心的欧氏距离，对所述第二超点样本的实际不确定度进行衰减，得到衰减后的第二超点样本的实际不确定度； 基于全部所述候选超点样本，构建训练数据集； 基于训练数据集对所述第一训练模型进行更新训练，得到所述点云语义分割模型。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。