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！

龙图腾网获悉武汉科技大学申请的专利一种基于多维度信息融合的焊缝提取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：CN121033034B 。

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：202511554905.8，技术领域涉及：G06T7/00；该发明授权一种基于多维度信息融合的焊缝提取方法是由赵云涛;池一帆设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本一种基于多维度信息融合的焊缝提取方法在说明书摘要公布了：本发明提出了一种基于多维度信息融合的焊缝提取方法，包括以下步骤：S1，采集焊缝的Texture图像和深度数据；S2，将Texture图像输入图像识别模型，得到焊缝的掩码图像；S3，对掩码图像进行二值化处理，提取焊缝的像素坐标；S4，将像素坐标与深度数据对齐，生成初始焊缝点云；S5，利用平面分割和拟合算法处理初始焊缝点云，提取焊缝特征点；S6，利用直线拟合算法或平面相交拟合算法，得到精确的焊缝点云。本发明通过结合二维图像分割和三维点云处理技术，解决了传统方法在复杂工业场景中难以同时兼顾焊缝的精确三维信息提取和抗背景噪声干扰的问题，提升了焊缝提取的精度和鲁棒性，同时保证了处理效率，为自动化焊接系统提供了高可靠性的三维路径规划基础。

本发明授权一种基于多维度信息融合的焊缝提取方法在权利要求书中公布了：1.一种基于多维度信息融合的焊缝提取方法，其特征在于，包括以下步骤： S1，通过结构光相机采集焊缝的Texture图像和深度数据； S2，将Texture图像输入图像识别模型，得到焊缝的掩码图像，所述图像识别模型为YOLOv11-seg模型； 在YOLOv11-seg模型的骨干网络和颈部网络中引入了Meta-TSSA模块，以Token特征的二阶统计替代原有自注意机制的成对相似性计算，具体包括以下步骤： 基于最大编码率缩减的变分优化框架，构建特征交互范式实现特征变换； 设计动态特征加权机制，实现自适应特征选择； 对上下文全局信息进行整合； 在YOLOv11-seg模型的骨干网络中引入Focal-Modulation模块来替换原有的SPPF模块，所述Focal-Modulation模块采用层次化上下文编码和门控聚合机制实现多尺度上下文信息的动态整合，并通过调制器与查询特征的逐元素交互生成输出表示，具体包括以下步骤： 用深度可分离卷积构建层次化特征表示； 采用门控聚合机制对各层级的特征进行动态聚合； 通过元素级调制增强特征表示； 引入任务动态对齐分割头来替换原有的分割头，通过任务分解与特征对齐策略，提升焊缝区域分割精度，具体包括以下步骤： 通过共享卷积层对颈部网络输出的特征图进行特征提取并降维，得到共享特征； 通过任务分解模块对共享特征进行分解，即通过以下三个分支对共享特征进行处理： 分类分支：生成类别分解特征，用于目标分类； 回归分支：生成边界框回归分解特征，用于定位目标； 原型分支：生成原型分解特征，用于后续生成掩码； 根据原型分解特征生成偏移量和掩码，通过动态卷积对齐模块将偏移量、掩码与原型分解特征进行对齐，生成最终掩码预测结果； 将类别分解特征输入类别概率生成模块，生成每个像素点的类别概率，得到类别预测结果； 将回归分解特征输入边界框生成模块，生成边界框预测结果； 将掩码预测结果、类别预测结果与边界框预测结果进行缩放和拼接，得到最终的检测框和分割掩码； S3，对所述掩码图像进行二值化处理，提取焊缝的像素坐标； S4，将所述焊缝的像素坐标与深度数据对齐，生成初始焊缝点云； S5，利用平面分割算法和拟合算法处理所述初始焊缝点云，提取焊缝特征点； S6，对提取的焊缝特征点进行直线拟合，得到精确的焊缝点云。

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武汉科技大学，其通讯地址为：430000 湖北省武汉市和平大道947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。