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！

龙图腾网获悉山东科技大学申请的专利一种点云去噪处理方法、系统、计算机设备及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：CN121304489B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511869951.7，技术领域涉及：G06T5/70；该发明授权一种点云去噪处理方法、系统、计算机设备及介质是由张雪;张志轩;鲁法明;杨俊涛;原桂远;李香菊设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本一种点云去噪处理方法、系统、计算机设备及介质在说明书摘要公布了：本发明属于点云处理技术领域，具体公开了一种点云去噪处理方法、系统、计算机设备及介质。本发明利用交替方向乘子法ADMM求解构建的优化模型，并融合深度算法展开网络将ADMM算法展开成深度神经网络，实现了模型‑数据双驱动的兼顾可解释性与强大表征能力的点云去噪过程，同时保证了本发明方法的去噪效果和鲁棒性。本发明在第一个迭代层中，利用广义双边滤波器初始化特征图学习所需的度量矩阵，该初始化过程被隐式嵌入至ADMM的迭代框架中，为网络提供了稳定的初始降噪结果，避免传统深度学习中随机初始化的不稳定性；同时也为后续层次的特征图学习奠定了基础，确保去噪过程稳定且效果优良。

本发明授权一种点云去噪处理方法、系统、计算机设备及介质在权利要求书中公布了：1.一种点云去噪处理方法，其特征在于，包括如下步骤： 步骤1.获取噪声点云数据，并将其划分为多个补丁，每个补丁包含多个点； 步骤2.使用交替方向乘子法ADMM求解，并通过展开将ADMM迭代优化过程转化为一个端到端可训练的网络，其包含多个迭代层，各迭代层分别对应ADMM的一次迭代； 将步骤1中的每个补丁输入到网络中，开始ADMM的迭代优化，然后每次迭代均执行下述步骤3至步骤5，直至迭代结束，然后转到步骤6； 步骤3.根据K近邻算法构建连接图，将补丁中的每个点与其K个最近邻点建立连接关系，获得点对； 在第一个迭代层中，针对步骤1提取的每个补丁，首先提取各补丁中点的三维坐标与曲率作为点特征，随后利用广义双边滤波器处理点特征，构建度量矩阵，并进一步计算点对之间的马氏距离，从而完成初始化处理； 在其他迭代层中，以上一次迭代输出的补丁作为输入，首先将各补丁中点的三维坐标输入特征提取模型，然后将特征提取模型输出的特征向量构成新的点特征，最终利用特征图学习度量矩阵并计算点对之间的马氏距离； 特征提取模型采用基于PointNet++改进的轻量级特征提取模型；该基于PointNet++改进的轻量级特征提取模型采用双分支结构； 在局部特征分支中，首先构建每个点的局部邻域，然后计算每个点的邻域点相对于该点的坐标，紧接着经过两层卷积，通过最大池化聚合局部信息，得到局部特征； 在全局上下文分支中，对输入的点的三维坐标应用两层卷积，提取全局特征； 在局部特征分支中，每层卷积中的输出通道分别为32和64； 在全局上下文分支中，每层卷积的输出通道分别为64和128； 将局部和全局特征随后拼接并送入特征融合层和特征增强层，最终基于PointNet++改进的轻量级特征提取模型输出学习到的深度特征作为特征向量； 利用特征图学习获取每组连接点对和之间的距离，公式如下： ； 式中和分别表示第个点和第个点的维特征向量；然后设置一个可学习的度量矩阵，；其中为学习到的深度特征对应的特征权重； 步骤4.根据马氏距离计算每个子图中节点之间的距离，获取边权值，并根据所述边权值获取子图的邻接矩阵和度矩阵，然后使用图拉普拉斯矩阵的定义式，构建图拉普拉斯矩阵； 步骤5.根据图拉普拉斯矩阵和所有点的三维坐标，优化每个补丁，然后将优化后的每个补丁，输入到下一个迭代层中； 步骤6.利用最远点采样方法处理所有补丁，得到最终的去噪点云。

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山东科技大学，其通讯地址为：250000 山东省济南市天桥区胜利庄路17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。