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！

龙图腾网获悉国网湖南省电力有限公司;国网湖南省电力有限公司电力科学研究院;国家电网有限公司申请的专利一种基于分层神经网络的电力杆塔点云分割方法及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：CN116912490B 。

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：202310769571.0，技术领域涉及：G06V10/26；该发明授权一种基于分层神经网络的电力杆塔点云分割方法及系统是由黄志鸿;张辉;左沅君;刘宇;龙彦伯;钟杭;张文静;杜瑞;刘帅设计研发完成，并于2023-06-27向国家知识产权局提交的专利申请。

本一种基于分层神经网络的电力杆塔点云分割方法及系统在说明书摘要公布了：本发明公开了一种基于分层神经网络的电力杆塔点云分割方法及系统，本发明方法包括获取待处理的电力杆塔及周围环境的点云数据；将点云数据输入分层神经网络：利用多级集合抽样层对点云数据进行抽样；利用多级特征传播层对抽样得到的每个质心的局部特征向量进行上采样从而完成对点云数据的特征学习获得整个点云的全局特征向量，利用全连接层将整个点云的全局特征向量映射为类别分数向量，再利用Softmax激活层将类别分数向量转换为概率分布，得到点云数据中每个点属于不同类别的概率。本发明旨在更好地适应电力杆塔的点云数据特征，利用分层神经网络对电力杆塔点云数据实现快速、准确的自动化分割。

本发明授权一种基于分层神经网络的电力杆塔点云分割方法及系统在权利要求书中公布了：1.一种基于分层神经网络的电力杆塔点云分割方法，其特征在于，包括： S101，获取待处理的电力杆塔及周围环境的点云数据； S102，将点云数据输入分层神经网络：利用多级集合抽样层对点云数据进行抽样，包括：对点云进行局部特征学习获得每个质心的局部特征向量，选取每个质心周围的邻域点构建邻域点的特征向量以实现局部区域提取，将每个质心的局部特征向量和其邻域点的特征向量进行局部特征融合得到每个质心的局部特征向量；利用多级特征传播层对抽样得到的每个质心的局部特征向量进行上采样从而完成对点云数据的特征学习获得整个点云的全局特征向量，利用全连接层将整个点云的全局特征向量映射为类别分数向量，再利用Softmax激活层将类别分数向量转换为概率分布，得到点云数据中每个点属于不同类别的概率； 所述集合抽样层包括： 采样层，用于从输入点云中利用最大间隔采样方法MDS选择一系列点设置为局部区域的质心，包括：根据设定的初始距离值随机选择两个初始点作为代表点；计算每个点与代表点之间的距离并选择与代表点之间距离之和最远的点作为下一个代表点，将其添加到已选代表点集合中，并通过迭代计算每个点与代表点之间的距离并选择与代表点之间距离之和最远的点作为下一个代表点逐步扩展代表点集合，直至覆盖整个点云数据；以及采用跨层级聚合方法CLA选取每个质心周围的K个点作为其邻域点实现局部区域提取，包括：根据预设的半径列表和邻域点数目计算每个点的邻域点集合，从邻域点集合中选择一定数量的邻域点与中心点进行拼接，生成增强的特征表示，在通过迭代逐渐增加半径的大小扩展特征的感受野，最终选取每个质心周围的K个点作为其邻域点； 群组层，用于利用跨层级聚合方法CLA通过在采样层提取的质心周围寻找邻域点来构建局部区域集group，将大小为的点集和大小为的质心坐标作为输入，其中点集表示具有维坐标和维特征的个点，输出是大小为的点集组，其中每个组对应于一个局部区域，K是质心点附近的点数，该点集由个具有d维坐标和总结局部上下文的新特征向量的子采样点组成； 点网层，用于针对群组层的输出处理，输出每个局部区域由质心和其邻域的大小为的局部特征抽象作为集合抽样层输出的抽样结果。

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国网湖南省电力有限公司;国网湖南省电力有限公司电力科学研究院;国家电网有限公司，其通讯地址为：410004 湖南省长沙市新韶东路398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。