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！

龙图腾网获悉中山大学申请的专利一种基于学习的点云几何颜色联合压缩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：CN116546219B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310370835.5，技术领域涉及：H04N19/186；该发明授权一种基于学习的点云几何颜色联合压缩方法是由梁凡;郁鹏鹏设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本一种基于学习的点云几何颜色联合压缩方法在说明书摘要公布了：本发明公开了一种基于学习的点云几何颜色联合压缩方法，方法具体包括：对输入的初始训练点云进行预处理后，输入编码模块得到特征矩阵和掩膜矩阵，将特征矩阵和掩膜矩阵输入解码模块得到初始重建训练点云，计算得到几何重建训练损失、颜色重建训练损失和信息熵损失进而得到点云训练压缩损失结果，将初始推理点云通过优化后的目标可学习条件熵模型，得到基于学习的点云几何颜色联合压缩结果。本发明通过对几何重建损失、颜色重建损失和信息熵损失进行加权求和，充分考虑了几何和颜色重建损失之间的相互影响；提出的可学习条件熵模型能实现更灵活的条件分布建模，可广泛应用于点云处理技术领域。

本发明授权一种基于学习的点云几何颜色联合压缩方法在权利要求书中公布了：1.一种基于学习的点云几何颜色联合压缩方法，其特征在于，包括： 对输入的初始训练点云进行第一预处理得到第一训练点云； 将所述第一训练点云输入编码模块进行第一操作，得到第一训练特征矩阵和第一训练掩膜矩阵； 将所述第一训练特征矩阵和所述第一训练掩膜矩阵输入解码模块，得到初始重建训练点云； 通过初始可学习条件熵模型对所述第一训练特征矩阵和所述第一训练掩膜矩阵进行分布估计，得到信息熵损失； 基于所述初始训练点云的坐标和所述初始重建训练点云的坐标，通过第一计算得到几何重建训练损失； 基于所述初始训练点云和所述初始重建训练点云的几何信息，通过第二计算得到颜色重建训练损失； 将所述几何重建训练损失、所述颜色重建训练损失和所述信息熵损失进行加权求和得到点云训练压缩损失结果； 根据所述点云训练压缩损失结果对所述初始可学习条件熵模型进行优化，得到目标可学习条件熵模型； 根据所述目标可学习条件熵模型对初始推理点云进行推理，得到基于学习的点云几何颜色联合压缩结果。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。