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！

龙图腾网获悉湖南大学申请的专利一种基于深度学习的桥墩垂直度智能检测方法与系统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：CN120876578B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511370077.2，技术领域涉及：G06T7/60；该发明授权一种基于深度学习的桥墩垂直度智能检测方法与系统是由邓露;龙砺芝;郭晶晶设计研发完成，并于2025-09-24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桥墩垂直度智能检测方法与系统在说明书摘要公布了：本申请公开了一种基于深度学习的桥墩垂直度智能检测方法与系统，涉及图像处理技术领域，获取对待检测对象进行扫描后得到的初始点云数据，待检测对象包括桥墩；通过预先训练的点云分割模型识别初始点云数据中属于待检测对象的目标点云数据；对目标点云数据中的边缘误差点进行识别和剔除，得到处理点云数据；根据处理点云数据对待检测对象进行模型拟合，并根据模型拟合结果确定待检测对象的中心轴线；根据中心轴线生成待检测对象的垂直度指标；其中，点云分割模型包括NAM、PTFM和CM；NAM用于表示多尺度上下文和局部细节，PTFM用于捕获基于局部细节的远程依赖信息，CM用于连接NAM和PTFM。提高了检测精度与效率。

本发明授权一种基于深度学习的桥墩垂直度智能检测方法与系统在权利要求书中公布了：1.一种基于深度学习的桥墩垂直度智能检测方法，其特征在于，包括： 获取对待检测对象进行扫描后得到的初始点云数据，所述待检测对象包括桥墩； 通过预先训练的点云分割模型识别所述初始点云数据中属于所述待检测对象的目标点云数据； 对所述目标点云数据中的边缘误差点进行识别和剔除，得到处理点云数据； 根据所述处理点云数据对所述待检测对象进行模型拟合，并根据模型拟合结果确定所述待检测对象的中心轴线； 根据所述中心轴线生成所述待检测对象的垂直度指标； 其中，所述点云分割模型包括邻域聚合模块、关键点转换模块和连接模块；所述邻域聚合模块用于表示多尺度上下文和局部细节，关键点转换模块用于捕获基于局部细节的远程依赖信息，连接模块用于连接邻域聚合模块和关键点转换模块； 其中，对所述目标点云数据中的边缘误差点进行识别和剔除，得到处理点云数据，包括： 沿主轴方向将所述目标点云数据展开为二维图像，得到二维投影点云数据； 将所述二维投影点云数据构建为二维栅格图像； 识别出所述二维栅格图像的边界区域； 在所述二维投影点云数据中，筛选与所述边界区域间的距离值小于设定距离值的点为边缘误差点； 在所述二维投影点云数据中剔除所述边缘误差点，得到处理点云数据； 其中，根据所述处理点云数据对所述待检测对象进行模型拟合，并根据模型拟合结果确定所述待检测对象的中心轴线，包括： 对所述待检测对象的截面进行识别； 响应于所述待检测对象的截面为圆柱形，则使用圆柱拟合算法计算所述处理点云数据的拟合柱模型参数； 对所述处理点云数据进行采样，得到采样点； 根据所述拟合柱模型参数，生成所述采样点到拟合圆柱表面的拟合距离； 基于最小二乘拟合和所述拟合距离，构建柱模型参数目标函数； 基于所述柱模型参数目标函数生成当前柱模型参数； 判断是否结束迭代； 若继续进行迭代，则返回执行所述对所述处理点云数据进行采样，得到采样点的步骤； 若结束迭代，则基于当前柱模型参数获取中心轴线； 其中，所述邻域聚合模块的数据处理过程包括： ； ； ；其中，表示所述邻域聚合模块的输出；表示NA头的编号；表示NA头的总数； 表示相邻聚合特征；表示相邻特征；表示逐点生成；表示可学习约简函数；表示以第i点为中心的局部邻域对应的空间坐标；表示以第i点为中心的局部邻域对应的语义特征集；表示连接操作；k表示区分符；表示多层感知器；表示归一化指数函数； 其中，所述连接模块的数据处理过程包括： ； 其中，表示所述连接模块的连接结果；表示可学习参数；表示sigmoid函数；表示所述邻域聚合模块的输出结果；表示所述关键点转换模块的输出结果。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。