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！

龙图腾网获悉广东工业大学申请的专利一种基于深度学习的LED焊线点云分类方法及装置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：CN115471693B 。

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：202211013813.5，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的LED焊线点云分类方法及装置是由陈玉冰;陈新度;吴磊设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本一种基于深度学习的LED焊线点云分类方法及装置在说明书摘要公布了：本发明涉及一种基于深度学习的LED焊线点云分类方法，包括以下：获取目标LED三维点云；分别对所述目标LED三维点云进行基于PointNet的特征提取得到第一特征向量，以及进行基于法线微分的法向量估计得到第二特征向量；对所述第一特征向量以及第二特征向量进行拼接，得到完整的点云特征；基于完整的所述点云特征通过全连接网络进行作用，完成点云分类。本发明利用法线微分算法估算点的法线向量，将该向量作为点的特征向量融合到基于PointNet的深度学习网络中，提高了点云分类的准确性。以使所分类提取出的焊线点云可进一步用于三维缺陷检测，从而实现并提高带有三维特征的LED焊线缺陷检测准确率。

本发明授权一种基于深度学习的LED焊线点云分类方法及装置在权利要求书中公布了：1.一种基于深度学习的LED焊线点云分类方法，其特征在于，包括以下： 获取目标LED三维点云； 分别对所述目标LED三维点云进行基于PointNet的特征提取得到第一特征向量，以及进行基于法线微分的法向量估计得到第二特征向量，该过程的损失函数为，其中为基于PointNet特征提取的损失函数，为基于法线微分的法向量估计的损失函数，为平衡因子，人为设置； 对所述第一特征向量以及第二特征向量进行拼接，得到完整的点云特征； 基于完整的所述点云特征通过全连接网络进行作用，完成点云分类； 具体的，基于PointNet的特征提取包括以下过程， 假定输入LED三维点云P=，其中表示第i个点，N点云的总数； 输入的所有点云中，将每个点云称为每个点，以每个点为中心，以120的球半径所包围的点集作为该LED点云的数据集； 采用最远点采样法对每个点的输入集进行下采样，设置下采样点数为512； 分组层是使用最近邻算法KNN将512个点分为了32个组，每个组16个点； 然后经过PointNet网络提取出该点的特征向量； 上述一个流程称为一个集合抽象化，经过3个集合抽象化后最终得到1X1021的特征向量； 具体的，基于法线微分的法向量估计包括以下过程， 由于LED焊线与楔形支架之间的尺度变化较大，基于法线微分算法识别不同尺度下法向量特征的差异性效果较好，因此利用法线微分算法估计点的法向量以提供点的特征识别， 对于目标LED三维点云的每一个点p，利用较大的半径估算一个点p的法向量，利用较小的半径估算同一个点p的法向量，两法向量差的平均值即为点p的DoN特征。

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广东工业大学，其通讯地址为：510000 广东省广州市番禺区大学城外环西路100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。