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！

龙图腾网获悉中山大学·深圳;中山大学申请的专利基于深度学习和不确定性估计的三维点云全景分割方法、计算机装置和存储介质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：CN115953581B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310019910.3，技术领域涉及：G06V10/26；该发明授权基于深度学习和不确定性估计的三维点云全景分割方法、计算机装置和存储介质是由郭裕兰;王逸舟;刘砚设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于深度学习和不确定性估计的三维点云全景分割方法、计算机装置和存储介质在说明书摘要公布了：本发明公开了一种基于深度学习和不确定性估计的三维点云全景分割方法、计算机装置及存储介质，包括对点云数据进行处理，获得原型点和结构化特征，根据结构化特征获得点云语义标签、嵌入特征和原型预测点；根据原型预测点和嵌入特征进行不确定性估计获得原型修正点和协方差矩阵，根据原型修正点和协方差矩阵进行概率建模所得的平均概率矩阵，向点云数据的点分配实例标签，向点云数据中的点分配点云语义标签等步骤。本发明通过不确定性估计过程对网络学习中产生的认知不确定性和数据固有的偶然不确定性进行捕捉；直接将表达每个嵌入特征的相关点云分配给与其匹配概率最高的原型，实现高效、精确的聚类方式。本发明广泛应用于点云数据处理技术领域。

本发明授权基于深度学习和不确定性估计的三维点云全景分割方法、计算机装置和存储介质在权利要求书中公布了：1.一种基于深度学习和不确定性估计的三维点云全景分割方法，其特征在于，所述基于深度学习和不确定性估计的三维点云全景分割方法包括： 获取点云数据； 对所述点云数据进行数据规范化处理，获得原型点； 从所述点云数据提取出结构化特征； 根据所述结构化特征进行语义分割，获得点云语义标签；根据所述结构化特征进行嵌入预测，获得嵌入特征；根据所述原型点进行原型预测，获得原型预测点； 根据所述原型预测点和所述嵌入特征进行不确定性估计，获得原型修正点和协方差矩阵；所述协方差矩阵表示以所述原型修正点作为所述点云数据的高斯分布中心时，对应的高斯分布协方差矩阵； 根据所述原型修正点和所述协方差矩阵进行概率建模，获得平均概率矩阵； 根据所述平均概率矩阵，向所述点云数据的点分配相应的一种实例标签； 根据所述点云数据中的点所属的高斯分布，向所述点云数据中的点分配相应的点云语义标签； 所述根据所述原型预测点和所述嵌入特征进行不确定性估计，获得原型修正点和协方差矩阵，包括： 将所述原型预测点与所述结构化特征合并后，通过两层全连接层进行处理，获得第一特征向量； 将所述第一特征向量与所述嵌入特征合并后，通过两层全连接层进行处理，获得第二特征向量； 将距离每个所述原型点最近的所述第二特征向量进行均值池化，获得实例级特征信息； 通过三层全连接层对所述实例级特征信息进行处理，获得所述原型修正点和所述协方差矩阵； 所述根据所述原型修正点和所述协方差矩阵进行概率建模，获得平均概率矩阵，包括： 对于所述点云数据的第种高斯分布，对应的平均概率矩阵为 ； 其中，为所述平均概率矩阵，所述平均概率矩阵表示第种高斯分布中嵌入了所述嵌入特征的平均概率，为所述点云数据中第个实例对应的掩模，为第种高斯分布对应的所述协方差矩阵，为第种高斯分布对应的原型修正点，为第个所述嵌入特征，表示矩阵转置运算。

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中山大学·深圳;中山大学，其通讯地址为：518107 广东省深圳市光明新区光明街道华夏路和润家园3栋501；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。