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！

龙图腾网获悉苏州市伏泰信息科技股份有限公司申请的专利一种点云自监督质量评价与补全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：CN121170539B 。

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：202511709935.1，技术领域涉及：G06V10/82；该发明授权一种点云自监督质量评价与补全方法是由范延军;王超;张文强设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本一种点云自监督质量评价与补全方法在说明书摘要公布了：本发明具体为一种点云自监督质量评价与补全方法，涉及点云处理、计算机视觉技术领域，包括：正常数据集构建与精细化缺陷模拟；双分支网络训练与正常性特征深度学习；待检测点云处理与补全推理；残差计算与多维度异常定位分析。本发明中，逐点残差与体素化残差的双维度分析，全面刻画单点异常强度与局部区域的密度、位置差异，结合优化阈值筛选候选异常点，有效降低误检率；进一步通过DBSCAN聚类得到连续异常区域，融合残差系数与双维度体积系数计算异常指数，实现异常的精准分级，解决了传统方法对不同类型异常分级不准的问题。

本发明授权一种点云自监督质量评价与补全方法在权利要求书中公布了：1.一种点云自监督质量评价与补全方法，其特征在于，包括： 正常数据集构建与精细化缺陷模拟：采集筛选符合质量标准的正常点云并进行预处理后，通过参数化设计模拟多类型缺陷，生成缺陷与正常训练对，构建数据集； 双分支网络训练与正常性特征深度学习：搭建双分支网络，设计复合损失函数并设置合理超参数训练，学习正常点云深层几何特征； 双分支网络训练与正常性特征深度学习，具体包括： 双分支网络训练包括共享编码器和补全解码器； 基于编码器输出的全局特征向量，通过2个全连接层和Dropout层，最终输出1个0-1区间的全局质量评分； 损失函数设计与训练超参数设置： 预设补全损失、一致性损失、正则化损失的权重因子后，分别将补全损失、一致性损失、正则化损失与其对应的权重因子进行加权求和后，得到总损失函数； 同时计算补全点云到正常点云的距离；正常点云到补全点云的距离； 并分别赋予两个距离相应的权重因子后，进行加权求和计算，得到； 采用均方误差损失，将根据推导的期望质量评分与模型实际输出的质量评分做对比，最小化两者的误差； 并对网络所有可训练权重添加L2正则项； 待检测点云处理与补全推理：对未知待检测点云执行标准化处理，通过训练好的模型完成补全推理并优化结果，获得修复后正常点云基准； 残差计算与多维度异常定位分析：计算待检测点云与补全点云的多维度残差，确定阈值后筛选异常点，并对离散异常点进行聚类得到连续的异常区域，对异常区域进行分析后得到异常指数，并基于异常指数匹配对应的异常等级； 具体包括： 对预处理后的待检测点云中每个点，对优化后的通过K近邻算法查找邻近点，计算与邻近点均值的欧氏距离，作为该点的异常分数； 将3D空间划分为均匀体素网格，计算每个体素内与的点密度差和中心偏移量； 分别预设点密度差、中心偏移量的权重因子后，将点密度差、中心偏移量进行加权求和计算，得到体素残差； 将逐点残差和体素残差均归一化至[0,1]区间； 基于训练集正常点云的残差分布确定阈值，计算训练集所有正常点云补全后的逐点残差，取99.5分位数作为初始阈值，再根据验证集中模拟缺陷的检测召回率调整阈值，以确定最优阈值； 将中满足＞的点标记为候选异常点，同时结合体素残差＞0.2的体素内所有点，补充筛选遗漏的异常点； 采用DBSCAN算法对候选异常点聚类，设置邻域半径=2×体素边长，基于点云密度预设最小聚类点数，将离散的异常点聚合成连续的异常区域，过滤掉孤立的噪声点； 分别获取异常区域的残差系数和体积系数，并加权求和计算后得到异常指数； 残差系数的获取过程如下： 将异常区域以预设的空间尺寸进行子区域划分，得到多个尺寸相同的异常子区域； 分别获取各个异常子区域内的候选异常点，对每个候选异常点，计算其逐点残差，对该区域内所有点的逐点残差求和，再除以点的数量，得到平均残差； 将各个异常子区域的候选异常点数乘以该子区域对应的平均残差，得到残差总量； 将各个异常子区域按照其各自对应的残差总量大小进行降序排列，并提取其中残差总量最大的三个异常子区域，分别标记为第一区域、第二区域和第三区域； 分别提取第一区域、第二区域和第三区域的区域中心，且将三个区域中心之间以直线进行连接，以构成封闭的三角形，计算该三角形的面积，并取其倒数后得到残差系数； 体积系数的获取过程如下： 基于第一区域、第二区域和第三区域所分别对应的异常点集，拟合其最小包围盒以得到三个区域分别对应的空间占据体积，并将得到的三个空间占据体积进行累计后得到累计体积； 获取所有异常区域的总体积，记作对象体积； 将累计体积除以对象体积，得到体一系数； 获取待检测对象完整点云的体积，并将异常区域的总体积除以待检测对象完整点云的体积，得到占比体积系数； 将体一系数与占比体积系数进行加权求和计算后得到体积系数； 预设体一系数与占比体积系数的权重因子，分别将体一系数与占比体积系数与其对应的权重因子进行乘积计算后，求和得到体积系数。

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苏州市伏泰信息科技股份有限公司，其通讯地址为：215000 江苏省苏州市高新区科技城培源路1号软件大厦5号楼7楼；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。