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！

龙图腾网获悉罗普特科技集团股份有限公司;罗普特(厦门)系统集成有限公司申请的专利点云语义分割方法、装置、计算设备及存储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：CN112949640B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202110128145.X，技术领域涉及：G06V20/70；该发明授权点云语义分割方法、装置、计算设备及存储介质是由张翔;杜静;夏启明;陈延行;江文涛设计研发完成，并于2021-01-29向国家知识产权局提交的专利申请。

本点云语义分割方法、装置、计算设备及存储介质在说明书摘要公布了：本发明公开一种点云语义分割方法、装置、计算设备及存储介质，该方法包括：获取点云数据，通过编码器网络对所述点云数据进行多级编码来获得多级邻域特征集；通过解码器网络对所述多级邻域特征集进逐级行解码来获得取所述点云数据的语义特征；以及根据所述点云数据的语义特征进行分类预测，得到点云数据的中各点对应的语义标签，其中，对每级第一点云数据执行至少两次特征聚合操作以获得每级第一点云数据的所述邻域特征集，且将中心点特征与每次特征聚合得到的领域特征集进行残差连接或将每次特征聚合得到领域特征集彼此进行稠密连接作为下层特征聚合的输入。本发明实施例可以减少网络参数的数量并显着改善大场景点云的语义分割结果。

本发明授权点云语义分割方法、装置、计算设备及存储介质在权利要求书中公布了：1.一种点云语义分割方法，其特征在于，包括： 获取点云数据，通过编码器网络对所述点云数据进行多级编码来获得多级邻域特征集； 通过解码器网络对所述多级邻域特征集进逐级行解码来获得取所述点云数据的语义特征；以及 根据所述点云数据的语义特征进行分类预测，得到所述点云数据的中各点对应的语义标签， 其中，通过编码器网络对所述点云数据进行多级编码来获得多级邻域特征集包括： 对所述点云数据进行多次下采样，以得到多级包括不同数量点的第一点云数据； 获取每级所述第一点云数据的中心点特征； 对每级所述第一点云数据的中心点特征执行至少两次特征聚合操作以获得每级第一点云数据的所述邻域特征集，且当前所述特征聚合操作输出的当前所述邻域特征集以及当前所述邻域特征集与所述点云数据的每个中心点的特征的残差连接或稠密连接和当前所述邻域特征集与前一次所述特征聚合操作输出的前一个所述邻域特征集的稠密连接作为下一次所述特征聚合的输入； 其中，所述特征聚合操作，包括： 根据每级所述第一点云数据的中心点特征获取每级所述第一点云数据的局部特征，具体包括： 获取每个中心点对应的邻点特征集，作为所述点云数据的所述邻点特征：通过k近邻算法找到中心点的k个临近点，获取每个中心点的邻域点集坐标，并通过邻域点下标属性得到每个中心点对应的邻点特征集，所述邻点特征集包括局部稠密度，局部曲率，线性度，平面度和散射度； 根据所述邻点特征集的空间位置信息获得所述第一点云数据的几何特征：对所述邻点特征集的空间位置信息进行编码获得所述第一点云数据的所述几何特征，编码内容包括中心点三维坐标，邻点三维坐标，中心点与邻点之间的相对坐标，中心点与邻点之间的欧氏距离； 根据每个中心点的特征与邻点特征获得所述点云数据的所述语义特征：中心点特征与邻点特征进行卷积操作得到点之间的语义特征； 将每级所述第一点云数据的局部特征进程串联操作得到局部特征集合； 获取所述局部特征集合中各局部特征的注意力分数，并根据所述注意力分数选择局部特征进行聚合以得到所述邻域特征集； 所述特征聚合操作执行3次，第一所述特征聚合操作输出的第一邻域特征集以及所述第一邻域特征集与每个中心点的特征的残差连接作为第二所述特征聚合操作输入，第二所述特征聚合操作输出的第二邻域特征集、所述第二邻域特征集与每个中心点的特征的稠密连接，以及所述第二邻域特征集与所述第一邻域特征集的稠密连接作为第三所述特征聚合操作的输入。

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罗普特科技集团股份有限公司;罗普特(厦门)系统集成有限公司，其通讯地址为：361000 福建省厦门市思明区软件园二期望海路59号102单元；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。