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！

龙图腾网获悉深圳大学;南京林业大学申请的专利一种建筑几何模型轻量化建模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：CN120976471B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511001446.0，技术领域涉及：G06T17/10；该发明授权一种建筑几何模型轻量化建模方法是由陈动;郭波;王瑞胜;汤圣君;隋铭明;那嘉明;沈哲辉;方宏设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本一种建筑几何模型轻量化建模方法在说明书摘要公布了：本发明公开了一种建筑几何模型轻量化建模方法，包括步骤如下：S1，采用Point2Contour模型，从激光雷达建筑点云集合中回归建筑轮廓点集合和建筑角点集合；S2，基于“粒子滤波”重建建筑轮廓线，基于极大化全局建筑轮廓线的后验概率构建轻量化几何模型；S3，从几何、拓扑、语义和轻量化四个维度综合评价轻量化几何模型。本发明能实现构建一种结构直观、表达灵活且具备轻量化特质的大场景LoD3建筑轮廓线模型。

本发明授权一种建筑几何模型轻量化建模方法在权利要求书中公布了：1.一种建筑几何模型轻量化建模方法，其特征在于，包括步骤如下： S1，采用Point2Contour模型，从激光雷达建筑点云集合中回归建筑轮廓点集合和建筑角点集合； S2，基于“粒子滤波”重建建筑轮廓线，基于极大化全局建筑轮廓线的后验概率构建轻量化几何模型； S3，从几何、拓扑、语义和轻量化四个维度综合评价轻量化几何模型； 对Point2Contour模型进行训练的总损失函数L包括自监督预训练损失Lself、轮廓点损失Ledge和角点损失Lcorner，其中L=Lself+Ledge+Lcorner 所述自监督预训练损失Lself，采用“倒角距离”设计自监督预训练损失，Lself损失函数的表达式为： 其中，a表示来自预测掩码点集中的一个点，b表示来自掩码区域的原始点云中的一个点；表示a和b的欧式距离，表示预测掩码点集中元素的数量，表示原始掩码点集中元素的数量； 所述轮廓点损失Ledge包括轮廓点的二分类交叉熵、预测轮廓点与最邻近轮廓线的距离误差、以及预测轮廓点方向与最邻近轮廓线方向的一致性，Ledge损失函数的表达式为： ， 其中，CE·表示计算两变量的交叉熵；MSE·表示计算两点的均方误差；表示激光雷达建筑点，表示最邻近轮廓线点；为建筑点云集合，“∣·∣”表示两个向量点乘的绝对值；表示预测点为轮廓点的概率，表示预测点为真实轮廓点的概率，为建筑点总数；表示预测点的方向向量与点最邻近轮廓线方向的一致性；α和β分别为权重系数； 所述角点损失Lcorner包括“候选角点”检测损失和“锚角点”坐标偏移损失；在点特征通过检测头Detector-2进行初步预测后，得到聚拢于真实角点附近的“候选角点”，此时计算“候选角点”与真实角点的交叉熵；随后，对“候选角点”进行聚类得到“锚角点”，并对“锚角点”进行坐标偏移校正得到“精确角点”集合C；通过计算“精确角点”与对应真实角点之间的均方误差，对角点偏移校正模块进行优化；Lcorner损失函数的表达式为： ， 其中，表示预测轮廓点是否为角点的概率，表示预测轮廓点为真实角点的概率；表示“精确角点”，表示与最邻近的真实角点；、分别为预测建筑轮廓点集合B和建筑角点集合C中元素的数量； 重建建筑轮廓线的实现步骤如下： S21，利用Point2Contour模型回归得到建筑轮廓点集合和建筑角点集合，构建KNN图；并从中选取全部角点及部分轮廓点，构成初始种子点集S； S22，对初始种子点集S中的每个种子点，基于KNN图结构依次扩增，基于“粒子滤波”进行建筑轮廓线的追踪；经过m次扩增后，得到一系列轮廓路径的集合；当轮廓路径的数量N=|S|时，采样轮廓路径逼近建筑精确轮廓线； S23，利用非极大值抑制算法去除冗余或低权重的轮廓边，并通过全局极大化轮廓边后验概率进行优化，生成全局建筑轮廓线； S24，采取剪枝和简化操作，构建建筑轮廓线轻量化几何模型。

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深圳大学;南京林业大学，其通讯地址为：518060 广东省深圳市南山区南海大道3688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。