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！

龙图腾网获悉安徽大学申请的专利一种基于混合脉冲Mamba-Transformer的移动机器人低能耗点云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：CN120976654B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511493552.5，技术领域涉及：G06V10/764；该发明授权一种基于混合脉冲Mamba-Transformer的移动机器人低能耗点云分类方法是由何勇;周志明;穆朝絮;李腾;吴巧云;曹翔;任璐;黄大荣设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本一种基于混合脉冲Mamba-Transformer的移动机器人低能耗点云分类方法在说明书摘要公布了：本发明涉及一种基于混合脉冲Mamba‑Transformer的移动机器人低能耗点云分类方法，包括建立三维点云数据集并构造局部特征补丁；将局部特征补丁转化为含时空信息的脉冲序列输入到脉冲补丁嵌入模块，生成点云特征表示；设计脉冲位置编码；基于点云特征表示、类标记、脉冲位置编码构建几何结构信息序列；设计脉冲混合块，几何结构信息序列依次经过多个脉冲混合块，得到高维脉冲特征；将高维脉冲特征输入分类头，输出类别预测结果，实现机电设备三维点云数据的低能耗分类。本发明适配移动机器人采集的大规模点云数据处理需求，可在资源受限的移动机器人平台上实现低能耗、高精度的点云分类，有效提升移动机器人的环境感知效率与续航能力。

本发明授权一种基于混合脉冲Mamba-Transformer的移动机器人低能耗点云分类方法在权利要求书中公布了：1.一种基于混合脉冲Mamba-Transformer的移动机器人低能耗点云分类方法，其特征在于，包括以下步骤： S1、对移动机器人采集的三维点云数据进行预处理与采样，建立三维点云数据集并构造局部特征补丁； S2、将局部特征补丁转化为含时空信息的脉冲序列，输入到包含脉冲神经元层的脉冲补丁嵌入模块，生成点云特征表示； S3、设计脉冲位置编码，增强空间位置信息； S4、将点云特征表示映射为初始补丁嵌入，与类标记堆叠并融入脉冲位置编码，形成几何结构信息序列，构成脉冲混合块的输入； S5、设计脉冲混合块，几何结构信息序列依次经过多个脉冲混合块，得到高维脉冲特征；所述脉冲混合块包括脉冲局部偏移注意力块和脉冲Mamba块，分别用于提取局部特征和全局特征；每个脉冲混合块都融入有脉冲位置编码； 具体过程包括以下步骤： S51、几何结构信息序列依次输入到若干个脉冲混合块中，每个脉冲混合块内部有串联的脉冲局部偏移注意力块和脉冲Mamba块； S52、所述脉冲局部偏移注意力块用于提取局部特征，每个脉冲局部偏移注意力块前都设有一个层归一化层，并且其后都设有残差连接； 所述脉冲局部偏移注意力块，具体包括： S521、给定输入特征，首先利用K-Norm算法和K-Pool算法进行局部特征的传播与聚合，得到聚合局部特征； 所述K-Norm算法，实现从中心点到其邻域点的特征传播，该算法首先基于K近邻算法对输入特征构建包含个邻域点和1个中心点的局部图，接下来对邻域点特征进行归一化处理，将每个归一化处理后的特征与中心点特征进行通道维度上的拼接操作，并在局部图上应用一个可学习的线性变换，更新邻域点特征，得到传播特征； 所述K-Pool算法，将邻域点的信息聚合回中心点，以实现中心点特征的更新，其具体公式如下： ； 式中，为更新后的中心点特征，即所述聚合局部特征；为第个传播特征；表示求数学期望； S522、聚合局部特征依次经过脉冲神经元层、共享MLP、脉冲神经元层，转换为脉冲序列； S523、脉冲序列依次通过线性变换、批归一化、脉冲神经元层，得到查询Q、键K和值V三个以脉冲形式表示的特征张量，并将它们输入注意力层中，计算注意力矩阵； S524、利用脉冲神经层将注意力矩阵转化为注意力特征，计算注意力特征与脉冲序列之间的偏移量，该偏移量依次经过脉冲神经元层和MLP处理后，与脉冲序列相加，得到脉冲局部偏移注意力块最终输出的局部特征； S53、所述脉冲Mamba块用于提取全局特征，每个脉冲Mamba块前都设有一个层归一化层，并且其后都设有残差连接； S6、将高维脉冲特征输入分类头，通过多层线性映射输出类别预测结果，实现机电设备三维点云数据的低能耗分类。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。