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！

龙图腾网获悉武汉港迪智能技术有限公司申请的专利一种散货船图像点云融合扫描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：CN117252895B 。

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：202311145319.9，技术领域涉及：G06T7/136；该发明授权一种散货船图像点云融合扫描分割方法是由胡文杰;陈奇;邹永开;李恒;石先城;张涛;曹志俊设计研发完成，并于2023-09-06向国家知识产权局提交的专利申请。

本一种散货船图像点云融合扫描分割方法在说明书摘要公布了：本发明涉及港口作业技术领域，并提出了一种散货船图像点云融合扫描分割方法，其特征在于，基于设置在港口门机上的激光雷达与相机实现，本方法包括以下步骤：S1、在同一时刻，激光雷达扫描散货船获取点云数据，相机拍摄散货船获得图像数据；S2、在点云数据中划分区域，并针对各区域进行类别标注，在图像数据中划分区域，并针对各区域进行类别标注。该散货船图像点云融合扫描分割方法，通过设置多模态融合深度学习模型，实现点云数据与图像数据的融合区域划分，并形成标记，相对于点云数据具有更高的准确度，尤其对于船舱口的定位以及船舱内部物料高度信息判断提供依据。

本发明授权一种散货船图像点云融合扫描分割方法在权利要求书中公布了：1.一种散货船图像点云融合扫描分割方法，其特征在于，基于设置在港口门机上的激光雷达与相机实现，具体步骤： S1、在同一时刻，激光雷达扫描散货船获取点云数据，相机拍摄散货船获得图像数据； S2、在点云数据中划分区域后标注船头、船身、船尾、盖板、隔板和物料，在图像数据中划分区域后标注船舱口与盖板状态； S3、将激光雷达与相机的坐标系进行转换，使其处于同一坐标系下； S4、将标注后的点云数据和标注后的图像数据进行对齐，以形成训练数据； 所述步骤S4包括以下子步骤： S41、从标注后的点云数据与标注后的图像数据中提取特征点，并采用匹配算法进行特征点配对； S42、使用配对的特征点计算标注后的点云数据与标注后的图像数据之间的初步变换矩阵； S43、使用优化算法对初步变换矩阵进行优化； S44、将优化后的变换矩阵应用于标注后的点云数据，并将其对准到图像数据上，得到对齐后的点云数据和图像数据，再将对齐后的点云数据和图像数据作为训练数据； 所述步骤S41中的匹配算法为： ； 其中，Dx是SIFT特征，M为配对特征点的点集，是中心像素点的128维描述子中的第i个元素，mi与是一组匹配对，是2D图像中的SIFT描述子，是3D点云中的SIFT描述子； 所述步骤S42中先找到标注后的点云数据与标注后的图像数据之间的最佳匹配对，再通过最佳匹配对得到与其对应的初步变换矩阵，具体包括： w=； ； 其中，A=，且At，Θ是全体可能的变换矩阵，t是距离误差阈值，w为内点对的集，n表示对应点对的数量，是所有可能的变换矩阵集合，是在给定变换矩阵下匹配对的概率； S5、设计多模态融合深度学习模型，并采用训练数据对其进行训练，得到最优模型； S6、实际作业过程中，将步骤S1中实时采集的点云数据与图像数据输入训练后的多模态融合深度学习模型，得到具有预测类别点标记的点云融合数据； S7、对点云融合数据进行后处理，得到可视化点云图像； 在步骤S6之前还包括：选择多个特征点作为对比特征组；通过拍摄图像获得散货船对比特征组的坐标，形成图像对比组，通过点云数据获得散货船对比特征组的坐标，形成点云对比组；将相同的图像数据与点云数据输入多模态融合深度学习模型，得到具有对比特征组对应标记的点云融合数据；将具有对比特征组对应标记的点云融合数据中的对比特征组分别和图像对比组以及点云对比组进行位置比较，以进行模型的精度评估。

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武汉港迪智能技术有限公司，其通讯地址为：430000 湖北省武汉市东湖新技术开发区武大园四路3号国家地球空间信息产业基地II区(七期)B栋-3栋单元19层03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。