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！

龙图腾网获悉清华大学深圳国际研究生院申请的专利一种非刚性点云配准方法和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：CN116681744B 。

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：202310691274.9，技术领域涉及：G06T7/33；该发明授权一种非刚性点云配准方法和存储介质是由黄儒麒;蒋朴华;孙铭泽;李菠设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本一种非刚性点云配准方法和存储介质在说明书摘要公布了：本发明公开了一种非刚性点云配准方法和存储介质，该非刚性点云配准方法包括：建立用于生成高维特征嵌入矩阵的第一神经网络，并依据第一目标来训练第一神经网络，第一目标是使得生成的高维特征嵌入矩阵中每两个高维特征嵌入之间的欧式距离等于输入的点云中对应的两个点的测地线距离；建立用于生成高维特征描述子矩阵的第二神经网络，并基于高维特征嵌入矩阵来训练第二神经网络；将两个待配准的点云输入到训练好的第一神经网络和第二神经网络得到两个高维特征嵌入矩阵和两个高维特征描述子矩阵；进一步计算得到谱函数映射，再计算得到两个待配准的点云的对应关系映射。本发明不仅提高了计算效率，而且在处理噪声和各种不完整性等方面具有鲁棒性。

本发明授权一种非刚性点云配准方法和存储介质在权利要求书中公布了：1.一种非刚性点云配准方法，其特征在于，包括以下步骤： S1：建立用于生成高维特征嵌入矩阵的第一神经网络，并依据第一目标来训练所述第一神经网络，所述第一目标是使得生成的所述高维特征嵌入矩阵中每两个高维特征嵌入之间的欧式距离等于输入的点云中对应的两个点的测地线距离； S2：建立用于生成高维特征描述子矩阵的第二神经网络，并基于所述第一神经网络生成的高维特征嵌入矩阵来训练所述第二神经网络； S3：将两个待配准的点云输入到训练好的所述第一神经网络得到两个高维特征嵌入矩阵，再将所述两个待配准的点云输入到训练好的所述第二神经网络得到两个高维特征描述子矩阵； S4：根据步骤S3得到的两个高维特征嵌入矩阵和两个高维特征描述子矩阵，得到谱函数映射，再根据所述谱函数映射得到所述两个待配准的点云的对应关系映射； 其中，步骤S2中具体包括以下步骤： S21：将点云X和点云Y分别输入到训练好的所述第一神经网络，对应得到高维特征嵌入矩阵ΦX和ΦY； S22：建立用于生成高维特征描述子矩阵的第二神经网络，将点云X和点云Y分别输入到所述第二神经网络，得到高维特征描述子矩阵GX和GY； S23：计算谱函数C：其中和分别表示ΦX和ΦY的求逆运算结果，表示AY的求逆运算结果； S24：计算点云X和点云Y之间的对应关系映射P：P＝softmax-α||ΦXC-ΦY||2，其中α为超参数； S25：将对应关系映射输入到第二总损失函数以对所述第二神经网络进行训练。

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清华大学深圳国际研究生院，其通讯地址为：518055 广东省深圳市南山区西丽街道深圳大学城清华校区A栋二楼；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。