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！

龙图腾网获悉四川大学申请的专利一种基于形状先验和深度学习的点云补全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：CN119380082B 。

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：202411411164.3，技术领域涉及：G06V10/764；该发明授权一种基于形状先验和深度学习的点云补全方法及装置是由薛俊鹏;贾然;王齐明;王可蕾;卢文博设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本一种基于形状先验和深度学习的点云补全方法及装置在说明书摘要公布了：本发明涉及计算机视觉领域，特别涉及一种基于形状先验和深度学习的点云补全方法及装置。该方法包括以下步骤：首先，对输入的不完整点云数据进行特征提取；然后，通过前缀嵌入树对多尺度特征进行细化，获取细化特征；接着，通过半连接U‑Net将多尺度特征和细化特征进行连接，获得初步补全的种子点云；随后，对初步补全的种子点云进行上采样，生成达到目标分辨率的点云；最后，利用复合损失函数对生成的点云进行约束，复合损失函数包括倒角距离、双重正交约束损失和弹性势能损失，以获得密度均衡的完整点云。本发明通过方法和装置，实现了点云补全过程中密度均衡、几何精确、细节恢复完整的技术效果，解决了局部密度不均和几何信息缺失的问题。

本发明授权一种基于形状先验和深度学习的点云补全方法及装置在权利要求书中公布了：1.一种基于形状先验和深度学习的点云补全方法，其特征在于，包括以下步骤： S1、对输入的不完整点云数据进行特征提取，其中点云数据为KITTI数据集中的点云，获取不完整点云的多尺度特征； S2、使用前缀嵌入树对S1中提取的特征进行细化，获取细化特征； 其中，S2中前缀嵌入树词典包括根词典和叶词典，先利用根词典对全局几何特征进行匹配，生成细化的根特征，再通过叶词典细化生成局部几何特征； S3、通过半连接U-Net对S1所述多尺度特征和S2所述细化特征进行处理，经过多层感知机回归，获取初步补全的种子点云； 其中，S3所述半连接U-Net对特征进行处理包括：对S1所述多尺度特征和S2所述细化特征进行编码和解码，并进行拼接；在解码阶段，仅将编码器中的所述多尺度特征的低层次全局特征与解码器的上采样层进行跳跃连接； S4、对所述初步补全的种子点云进行上采样，获取达到目标分辨率的生成点云； S5、利用复合损失函数对步骤S4中所述生成点云进行约束，获取密度均衡的完整点云； 其中，S5所述复合损失函数的公式如下： 其中，表示复合损失函数值；表示种子点云与真实点云之间的倒角距离，表示最终的生成点云与真实点云之间的倒角距离；和分别为根词典和叶词典的双重正交约束损失；为弹性势能损失；，和是超参数； 其中，所述双重正交约束损失计算方式为： 其中，和表示根词典和叶词典对应的单位矩阵，表示根词典矩阵，表示第个叶词典矩阵； S5所述弹性势能损失通过将所述种子点云模拟为弹簧系统，定义第'个弹簧的原始长度为第个下采样点到其近邻点之间的平均距离；计算弹簧长度的公式如下： 其中，是第'个弹簧的长度，是第个近邻点的坐标，是第个下采样点的坐标，为下采样点的总点数。

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四川大学，其通讯地址为：610065 四川省成都市一环路南一段24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。