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！

龙图腾网获悉北京新兴华安智慧科技有限公司申请的专利基于深度学习的三维点云建筑物自动化建模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：CN120726259B 。

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：202511178592.0，技术领域涉及：G06T17/10；该发明授权基于深度学习的三维点云建筑物自动化建模系统是由郭振华;郭夏臣;鲁洋;张可心;李清;王甫银;瞿敏伟;付心如;王双慧;靳军杰;石恩恩;孔凡涛;陈博玲设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本基于深度学习的三维点云建筑物自动化建模系统在说明书摘要公布了：本申请公开了基于深度学习的三维点云建筑物自动化建模系统，包括点云采集与输入模块、点云预处理模块、深度特征提取模块、语义分割与组件识别模块、结构参数解析模块以及参数化模型生成模块。本发明通过深度融合点云深度学习网络与参数化建模引擎，实现了建筑物三维建模的全流程自动化；深度特征提取模块的使用，能够有效提升门窗、屋顶的边缘等结构的识别的准确性，保证了建筑物模型的精准度，以及随着系统的不断使用，深度特征提取模块能够不断提升识别的准确性；语义分割与组件识别模块的使用，能够针对建筑物点云的不规则性、结构的复杂性及遮挡噪声进行识别区分，解决了现有技术中需要人工进行语义标注及拓扑修复的问题。

本发明授权基于深度学习的三维点云建筑物自动化建模系统在权利要求书中公布了：1.基于深度学习的三维点云建筑物自动化建模系统，其特征在于，包括点云采集与输入模块、点云预处理模块、深度特征提取模块、语义分割与组件识别模块、结构参数解析模块以及参数化模型生成模块； 所述点云采集与输入模块用于接收来自激光雷达扫描设备、摄影测量系统或多源融合传感器的建筑物三维点云数据，并支持标准格式点云文件的导入与实时数据流接入； 所述点云预处理模块连接至点云采集与输入模块，并用于点云去噪、下采样、坐标归一化及场景粗分割操作，且还能移除非建筑物体点云并提取待建模建筑物主体区域，并输出预处理后的三维点云数据； 所述深度特征提取模块基于多层图卷积神经网络架构构建，并包括迭代式局部特征聚合单元与全局上下文感知单元，预处理后的三维点云数据输入到深度特征提取模块中，通过迭代式局部特征聚合单元与全局上下文感知单元，逐点学习高维语义特征向量，并输出处理后的三维点云数据； 所述语义分割与组件识别模块接收处理后的三维点云数据，采用全连接条件随机场优化点级分类结果，实现墙面、屋顶、门窗、立柱核心建筑构件的精确分割与语义标注，并输出带标签的点云分区； 所述结构参数解析模块对接语义分割与组件识别模块，根据标注点云的几何分布特征自动拟合平面方程、计算构件尺寸参数及空间位姿，识别建筑组件的拓扑连接关系，并输出具有连接关系的点云数据； 所述参数化模型生成模块依据具有连接关系的点云数据的几何约束与拓扑关系，调用预定义的建筑构件模板库进行实例化匹配，通过边界表示法自动生成具备参数化属性的三维建筑实体模型； 所述深度特征提取模块采用多层图神经网络架构，具体包括： 局部特征编码层：通过K近邻构建动态图结构并利用边卷积算子提取局部几何特征； 层级特征传播层：使用跳跃连接融合多尺度特征图以保留细节信息； 全局注意力池化层：聚合场景级语义特征并增强长距离依赖建模能力； 所述多层图神经网络架构通过以下步骤进行云特征学习： a对输入的点云构建局部空间图结构，通过计算每个点与其K近邻点的相对坐标差值及欧氏距离，生成表征局部几何关系的边特征向量； b采用注意力权重系数，自适应加权融合邻域点的边特征向量，其中权重由点间几何关系与特征相似性联合确定； c通过最大池化操作对层级特征图进行下采样，逐步压缩点云分辨率并扩大感受野，同时保留不同尺度下的结构特征； d在解码阶段利用跳跃连接将编码器的高分辨率细节特征与解码器的深层语义特征融合，实现点云分割边界的亚像素级精度重建。

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北京新兴华安智慧科技有限公司，其通讯地址为：100071 北京市丰台区南四环西路186号四区5号楼6层01室；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。