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！

龙图腾网获悉杭州电子科技大学申请的专利一种噪声干扰下的深度学习点云补全方法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：CN119167017B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202411301545.6，技术领域涉及：G06F18/15；该发明授权一种噪声干扰下的深度学习点云补全方法是由周后盘;卓家伟;黄经州;李焕;汪云龙;何子豪设计研发完成，并于2024-09-18向国家知识产权局提交的专利申请。

本一种噪声干扰下的深度学习点云补全方法在说明书摘要公布了：本发明公开了一种噪声干扰下的深度学习点云补全方法。该方法针对激光雷达等点云采集设备获取的含有噪声的残缺点云数据，首先筛选原始点云数据中的离群点，选择离群点的近邻点，根据近邻点与离群点的距离分配权重，使用近邻点的坐标加权值修正离群点坐标，使得离群点尽可能地向主体点云靠近。然后通过融合池化的方式对加权修正后的点云数据进行编码，再输入多尺度解码器，将编码结果下采样为三种不同尺度的全局特征，并依次进行解码，以低分辨率的解码特征为中心，对高分辨率的特征点进行排列，输出粗输出点云。最后对粗输出点云进行上采样，得到稠密点云，完成了原始点云数据的补全。该方法能够在噪声干扰下实现对点云数据较好的补全效果。

本发明授权一种噪声干扰下的深度学习点云补全方法在权利要求书中公布了：1.一种噪声干扰下的深度学习点云补全方法，其特征在于：具体包括以下步骤： 步骤一、利用点云采集设备获取点云数据； 步骤二、修正离群点的位置： s2.1、通过最远点采样从原始点云中采样M个点； s2.2、计算M个点在半径范围d内的邻点个数S，当S小于设定阈值时，则将该点认定为离群点； s2.3、对于离群点，利用KNN算法选择距其最近的N个点，然后按照与离群点的距离为分配权重，i=1,2,…N，距离越大则权重越低，利用N个点的坐标加权值作为离群点的新位置： 其中，表示第i个点的坐标； 步骤三、通过融合池化的方式对加权修正后的点云数据进行编码，得到点云特征v； 步骤四、将点云特征v输入多尺度解码器，将其下采样为三种不同尺度的全局特征，并依次进行解码，以低分辨率的解码特征为中心，对高分辨率的特征点进行排列，最终输出粗输出点云； 步骤五、将粗输出点云通过折叠操作进行上采样，得到稠密点云，完成了对含有噪声和部分缺失的原始点云数据的补全。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。