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！

龙图腾网获悉河北工业大学申请的专利一种基于特征融合与注意机制的点云语义分割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：CN116894940B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310539765.1，技术领域涉及：G06V10/26；该发明授权一种基于特征融合与注意机制的点云语义分割方法是由温俊杰;马杰设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本一种基于特征融合与注意机制的点云语义分割方法在说明书摘要公布了：本发明一种基于特征融合和注意机制的点云语义分割方法，由局部特征融合模块、多层注意池模块与跳跃连接堆叠在一起构成残差模块，作为编码器‑解码器结构中的编码模块；解码器使用最近邻插值法作为特征传播的方法；当点云个数恢复到原始个数时，通过全连接层，为每个点云分配语义标签。本申请的网络可以在平均交并比mIoU中实现有竞争力的结果，在平均交并比的评估中网络分割精度比PoinNet提高了23％，比PointCNN提高了5.2％，比ELGS提高了4.3％。

本发明授权一种基于特征融合与注意机制的点云语义分割方法在权利要求书中公布了：1.一种基于特征融合和注意机制的点云语义分割方法，包括点云语义分割网络，所述点云语义分割网络包括解码器和编码器，其特征在于，所述编码器中的每层编码层采用语义分割残差模块，所述语义分割残差模块中点云输入特征经过一个MLP层处理后与点云空间坐标信息一同输入到特征融合模块中，特征融合模块的输出依次连接多层注意池模块和一个MLP层；点云特征信息再经过一个MLP层处理后与多层注意池模块连接的MLP层的输出进行求和后获得语义分割残差模块的输出； 所述特征融合模块包括特征编码单元和位置编码单元，特征编码单元的输入为中心点的特征信息fi经过KNN算法收集j个相邻点的特征信息和中心点的特征信息fi，中心点的特征信息与邻域点特征fij的差值再与中心点的特征信息拼接获得特征编码单元的输出； 所述位置编码单元利用点云空间坐标信息基于KNN算法计算中心点空间特征pi的邻域点信息，计算中心点空间特征pi与j个邻域点空间特征pij的欧式坐标中的相对特征cij和极坐标系中相对特征aij； 对j个邻域点的欧式坐标中的相对特征cij和极坐标系中相对特征aij分别进行池化操作后再与自身进行拼接，最后利用共享多层感知机MLP获得更新后的特征Cij、Aij，将更新后的特征Cij、Aij与中心点空间特征pi和j个邻域点空间特征pij的相对位置坐标pi-pij拼接得到位置编码单元的输出； 将特征编码单元的输出和位置编码单元的输出分别利用MLP和激活函数ReLU得到局部特征Hij和局部几何特征Gij，将二者进行逐元素相乘得到融合特征eij，融合特征eij为特征融合模块的输出； 所述多层注意池模块包括局部注意池和级联注意池，所述局部注意池的输入为融合特征eij；所述级联注意池的输入为局部注意池的输出结果f'i，经过KNN算法处理后与中心点的j个相邻点空间特征pij拼接后再经过MLP层处理，获得增强特征向量λij，然后对λij应用softmax操作，计算注意力权重sij；然后，λij和注意力权重sij执行元素乘法，得到更新特征λ'ij；将更新特征λ'ij与λij相加后继续通过MLP层进行下一级特征增强，再经过softmax操作计算下一级注意力权重；将下一级特征增强的增强特征性向量和下一级注意力权重继续执行元素乘法，得到更新特征后经过求和得到级联注意池的输出特征； 分别使用MLP共享多层感知机将局部注意池的输出结果f'i与级联注意池的输出特征映射为相同维度，然后使用加法融合，得到多层注意池模块的输出； 利用点云语义分割网络进行点云场景的语义分割。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院；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。