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！

龙图腾网获悉大连东软信息学院申请的专利一种基于混合注意力机制的双向金字塔结构的三维点云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：CN115994977B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211626317.7，技术领域涉及：G06T17/00；该发明授权一种基于混合注意力机制的双向金字塔结构的三维点云补全方法是由李杨;肖尧;刚家林;余庆军设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本一种基于混合注意力机制的双向金字塔结构的三维点云补全方法在说明书摘要公布了：本发明公开了一种基于混合注意力机制的双向金字塔结构的三维点云补全方法，包括，获取三维物体的三维点云；将所述三维点云输入点云编码器，三维点云经过点云编码器处理后得到输出特征向量，所述点云编码器包括含有注意力机制的多层感知机、全连接层；将输出特征向量F11输入点云解码器，经点云解码器进行处理得到输出向量，分别将输出向量转换为不同尺度的三维形状，分别修正所述三维形状的局部几何细节得到完整三维物体形状，其中，双向注意力金字塔结构为在传统金字塔结构的基础上增加了自底向上的路径聚合网络、跨层级连接以及混合注意力模块。能较好地生成缺失点云，提高了准确率，同时在更少的网络参数情况下具有更优的性能。

本发明授权一种基于混合注意力机制的双向金字塔结构的三维点云补全方法在权利要求书中公布了：1.一种基于混合注意力机制的双向金字塔结构的三维点云补全方法，其特征在于，包括， 步骤一、获取三维物体的三维点云； 步骤二、将所述三维点云输入点云编码器，所述三维点云经过点云编码器处理后得到输出特征向量， 所述点云编码器包括含有注意力机制的多层感知机、第一全连接层以及第二全连接层，所述含有注意力机制的多层感知机包括M层感知机、M-1层池化层以及通道注意力模块，分别通过第i层池化层获取第i+1层感知机输出的全局特征，M-1≥i0，将获取的M-1个全局特征通过连接操作拼接为一个特征向量，所述拼接为将各个全局特征进行横向叠加，通过通道注意力模块从特征向量中提取的特征信息，根据提取的特征信息构建多层次特征向量，通过第二全连接层将多层次特征向量转换为输出特征向量； 步骤三、将输出特征向量输入点云解码器，所述点云解码器包括第三全连接层、第四全连接层、第五全连接层、混合注意力模块、双向注意力金字塔结构，输出特征向量通过第三全连接层获取特征向量，输出特征向量通过第四全连接层和第五全连接层获取特征向量，分别将三维点云与输出特征向量、特征向量、特征向量进行连接并分别表示为、、，分别根据混合注意力模块将、、进行融合得到输出特征向量、、，将输出特征向量、、输入至双向注意力金字塔结构进行处理得到输出向量，分别将输出向量转换为不同尺度的三维形状，分别修正所述三维形状的局部几何细节得到完整三维物体形状，其中，双向注意力金字塔结构包括第六全连接层、第七全连接层、第一卷积层、第二卷积层、第三卷积层、第一混合注意力模块、第二混合注意力模块、第三混合注意力模块以及第四混合注意力模块，第六全连接层用于提取特征向量的第六连接输出特征，第七全连接层用于提取特征向量的第七连接输出特征，第一卷积层用于提取特征向量的第一卷积输出特征，第二卷积层用于根据特征向量、第六连接输出特征得到第二卷积输出特征，第三卷积层用于根据特征向量、第七连接输出特征得到第三卷积输出特征，第一混合注意力模块用于根据第二卷积输出特征和第一卷积输出特征得到第一混合输出特征，第二混合注意力模块用于根据第三卷积输出特征、第二卷积输出特征和第一卷积输出特征得到输出向量，第三混合注意力模块用于根据第一混合输出特征、输出向量得到输出向量，第四混合注意力模用于根据第一卷积输出特征、输出向量、输出向量得到输出向量；所述双向注意力金字塔结构的多级补全损失函数为公式4， 4 其中，为输出向量，、、为不同尺度的真实点云，为超参数，根据公式5计算与之间的倒角距离，根据公式6计算与之间的倒角距离，根据公式7计算与之间的倒角距离， 5 6 7 为倒角距离，用于测量输出向量与真实点云之间平均最近距离。

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大连东软信息学院，其通讯地址为：116000 辽宁省大连市甘井子区软件园路8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。