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！

龙图腾网获悉江苏大学申请的专利一种基于改进PointNet++神经网络的点云目标分类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：CN114359632B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202111638594.5，技术领域涉及：G06V10/764；该发明授权一种基于改进PointNet++神经网络的点云目标分类方法是由刘慧;王秀丽;徐婕;沈跃设计研发完成，并于2021-12-29向国家知识产权局提交的专利申请。

本一种基于改进PointNet++神经网络的点云目标分类方法在说明书摘要公布了：本发明公开了一种基于改进PointNet++神经网络的点云目标分类方法，包括以下步骤：步骤1，对点云数据进行预处理，利用统计滤波器滤除噪声点、离群点，保留仅包含感兴趣区域的点云团；步骤2，对上述步骤处理得到的感兴趣区域点云团利用聚类分割算法，分割出彼此独立的单个目标点云；步骤3，将步骤2中的点云输入到改进的PointNet++神经网络模型中进行分类，改进的该网络通过增加特征提取层利用多层感知机对输入的点云进行特征提取，再经过两层集合采样层不断提取局部特征，并在集合采样层中使用距离特征函数加强近点的特征，弱化较远点的干扰，最后通过最大池化层聚合所有特征信息获得全局特征，输出点云分类结果。

本发明授权一种基于改进PointNet++神经网络的点云目标分类方法在权利要求书中公布了：1.一种基于改进PointNet++神经网络的点云目标分类方法，其特征在于，包括以下步骤： 步骤1，对点云数据进行预处理，利用统计滤波器滤除噪声点、离群点，保留仅包含感兴趣区域的点云团； 步骤2，对上述步骤处理得到的感兴趣区域点云团利用聚类分割算法，分割出彼此独立的单个目标点云； 步骤3，将步骤2中的点云输入到改进的PointNet++神经网络模型中进行分类，改进的该网络通过增加特征提取层利用多层感知机对输入的点云进行特征提取，再经过两层集合采样层不断提取局部特征，并在集合采样层中使用距离特征函数加强近点的特征，弱化较远点的干扰，最后通过最大池化层聚合所有特征信息获得全局特征，输出点云分类结果； 所述的步骤3具体过程如下： 步骤3.1，基于输入的点云数据，在原PointNet++神经网络中基础上增加一层特征提取层，利用多层感知机MLP提取输入点云的所有特征并保留； 步骤3.2，输入点集N经采样层FPS最远点采样对子集降采样，所选择的采样点构成了分组层每个局部区域的中心点； 步骤3.3，分组层再对采样层得到的点进行分组，以中心点为圆心人工设定半径r，通过KNN近邻搜索周围近邻点构建局部区域集； 步骤3.4，设定PointNet层的输入为局部区域集，将局部区域模式编码为特征向量获得局部特征； 步骤3.5，在进行采样层和分组层中使用加权函数来加强近点特征弱化远点干扰，加权函数公式如下： ；其中α为加权函数参数，当函数参数值增加或减少时，对与中心点更近的点的特征会分别增加或减小； 步骤3.6，依次重复步骤3.2，3.3，3.4的操作两次，不断进行特征提取，最后通过最大池化层聚合所有特征信息获得全局特征，输出点云分类结果； 所述步骤1具体包括： 步骤1.1，设定点云集合，通过K近邻搜索最近邻点，计算点到近邻点的平均距离di； 步骤1.2，计算点集的平均值和标准差，其中di为各点到与其最近点的平均距离，n为点集中点的数目； 步骤1.3，将所有点与领域距离比较，若距离大于μ+λσ则标记为离群点，并将其移除，否则保留，λ为标准差倍数。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。