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融合密集连接机制和PointNet++的3D点云分类分割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：CN115527032B 。

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：202211190932.8，技术领域涉及：G06V10/26；该发明授权一种融合密集连接机制和PointNet++的3D点云分类分割方法是由刘慧;徐婕;沈跃;王秀丽设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本一种融合密集连接机制和PointNet++的3D点云分类分割方法在说明书摘要公布了：本发明公开了一种融合密集连接机制和PointNet++的3D点云分类分割方法，包括：步骤1，使用两个设计的密集集合采样层模块提取输入点云底层和高层的全局特征以及局部特征，其中，密集集合采样层模块主要是由采样层、分组层以及特征提取层组成；步骤2，利用密集集合采样层模块得到的全局特征以及全连接网络获取每个类的预测分数，并根据最高的预测分数确定输入点云的类别；步骤3，利用反向插值方法将最后一层采样点的特征传播至原始点云的所有点，并以跳跃连接的方式将传播的特征与步骤1中得到的全局特征和局部特征进行融合，再利用全连接网络得到点云中每个点的预测分数，实现分割任务。本发明在PointNet++模型基础上进行改进，以提高模型分类以及分割性能。

本发明授权一种融合密集连接机制和PointNet++的3D点云分类分割方法在权利要求书中公布了：1.一种融合密集连接机制和PointNet++的3D点云分类分割方法，其特征在于，包括以下步骤： 步骤1，使用两个设计的密集集合采样层模块提取输入点云底层和高层的全局特征以及局部特征，其中，密集集合采样层模块包括采样层、分组层以及特征提取层； 步骤2，利用密集集合采样层模块得到的全局特征以及全连接网络获取每个类的预测分数，并根据最高的预测分数确定输入点云的类别； 步骤3，利用反向插值方法将最后一层采样点的特征传播至原始点云的所有点，并以跳跃连接的方式将传播的特征与步骤1中得到的全局特征和局部特征进行融合，再利用全连接网络得到点云中每个点的预测分数，实现分割任务； 所述步骤1具体包括： 步骤1.1，设定输入的包含N个点的点云集合为，每个点包含x，y，z三维坐标； 步骤1.2，使用第一个密集集合采样层模块获取点云的底层的全局特征以及局部特征； 步骤1.3，使用第二个密集集合采样层模块获取点云的高层的全局特征以及局部特征； 所述的步骤1.2具体过程如下： 步骤1.2.1，在采样层中使用最远距离采样法从原始点云中采样512个点作为采样点； 步骤1.2.2，在分组层中将步骤1.2.1得到的采样点作为中心点，并在半径为0.2范围内距离每个中心点最近的32个点作为邻居点，当邻居点的个数小于32时，则重复第一个点坐标； 步骤1.2.3，使用密集PointNet层作为特征提取层提取点云局部特征信息，密集PointNet层中的多层感知器每一层的输入是之前所有输出层的特征拼接形式，并对步骤1.2.2中划分出的区域提取出点云的局部特征； 步骤1.2.4，使用密集PointNet层提取点云全局特征，密集PointNet层直接提取步骤1.2.1采样得到的所有点的特征作为点云的全局特征； 所述的步骤1.3具体过程如下： 步骤1.3.1，使用最远距离采样法从第一个密集集合采样层模块中的512个点采样128个点； 步骤1.3.2，在分组层中将步骤1.3.1得到的采样点作为中心点，并在半径为0.4范围内距离每个中心点最近的64个点作为邻居点，当邻居点的个数小于64时，则重复第一个点坐标； 步骤1.3.3，使用密集PointNet层提取点云局部特征，密集PointNet层中的多层感知器每一层的输入是之前所有输出层的特征拼接形式，密集PointNet层对步骤1.3.2中划分出的区域提取出点云的局部特征； 步骤1.3.4，使用密集PointNet层提取点云全局特征，密集PointNet层直接提取步骤1.3.1采样得到的所有点的特征作为点云的全局特征； 所述的步骤3具体过程如下： 步骤3.1，利用反向插值方法将第二个密集集合采样层模块中获取的全局特征进行上采样点特征传播，并使用跳跃连接的方式将步骤1.3.3得到的局部特征进行拼接； 步骤3.2，利用一个卷积核为1×1的卷积对获得的点云特征进行更新； 步骤3.3，利用反向插值方法将步骤3.2得到的点云特征进行上采样点特征传播，并使用跳跃连接的方式将步骤1.2.3与步骤1.2.4得到的全局特征与局部进行拼接； 步骤3.4，利用一个卷积核为1×1的卷积对获得的点云特征进行更新； 步骤3.5，利用反向插值方法将步骤3.4得到的点云特征进行上采样点特征传播，得到原始点云中所有点对应的特征； 步骤3.6，利用一个卷积核为1×1的卷积对获得的点云特征进行更新； 步骤3.7，利用全连接网络得到点云中每一个点的预测分数，并根据预测分数确定每个点的类别，实现分割任务。

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。