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！

龙图腾网获悉北京大学深圳研究生院申请的专利一种面向感知重建的点云采样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：CN117274634B 。

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：202311456199.4，技术领域涉及：G06V10/44；该发明授权一种面向感知重建的点云采样方法是由李宏;李庄子;高伟;李革设计研发完成，并于2023-11-03向国家知识产权局提交的专利申请。

本一种面向感知重建的点云采样方法在说明书摘要公布了：本发明提供了一种面向感知重建的点云采样方法，包括：S1.点云采样网络采样：采用基于图卷积的残差块用于点云局部特征提取，根据点云特征通过映射得到采样后的点云；S2.点云上采样网络恢复感知：对采样后的点云进行上采样，得到感知重建后的点云数据；S3.点云分类网络识别上采样点云：将感知重建的点云数据输入到点云分类网络当中，通过点云分类网络监督点云说采样网络与点云上采样网络的训练。本发明方法可以获得更容易恢复感知的采样点云。

本发明授权一种面向感知重建的点云采样方法在权利要求书中公布了：1.一种面向感知重建的点云采样方法，其特征在于，包括以下步骤： S1.点云采样网络采样：对输入稠密点云采用包含图卷积–激活函数交替的残差块的采样网络进行特征提取，经维度变换获得离散采样索引并执行点匹配，使输出采样点集为原始点集的子集；其中，将稠密点云的最远点采样FPS结果作为先验，以先验连接方式与维度变换后的输出融合，形成带先验约束的采样结果； 所述点云采样网络结构包括卷积和激活函数模块、3个残差块、全连接层以及维度变换模块；其中，每个所述残差块包括多个交替的图卷积与激活函数，以及全局池化层， 给定一个稠密点云，所述点云采样网络得到一个采样的稀疏点云，其中表示采样点的个数，表示点云所在的空间坐标，表示采样倍 率； 稠密点云经过卷积和激活函数模块得到rn×c1维度的特征，再将点云输入到包含图卷积与激活函数组成的残差块中提取局部特征，所述残差块的输出为rn×c1维度的特征，在最后一个残差块之后，采用全局池化层将rn×c1的特征转化为1×c1的特征，再经过全连接层，得到1×3n的特征，将此特征放到所述维度变换模块，采用一个转换函数，之后将稠密点云的最远点采样结果通过先验连接相加到维度变换之后的输出上，得到获得先验感知的网络输出； S2.点云上采样网络恢复感知：将采样后的点云输入与步骤S1对偶设置的上采样网络，该网络上采样网络依次包括卷积和激活函数模块、4个残差块、上采样模块、卷积和激活函数模块以及卷积模块；其中，每个残差块包括多个交替的图卷积与激活函数，以及全局池化层，其中的上采模块用于将特征维度逐级扩增并洗牌为空间坐标；将上采样结果与基于采样点云的最近邻插值结果进行融合以获得上采样点云，以恢复点数； S3.点云分类网络识别上采样点云：将上采样后的点云输入点云分类网络，以多种联合损失对步骤S1与S2的网络进行端到端联合训练；所述联合损失包括：EMD损失、特征相似度损失和类别损失。

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北京大学深圳研究生院，其通讯地址为：518055 广东省深圳市南山区西丽深圳大学城北大园区H栋208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。