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！

龙图腾网获悉南京航空航天大学申请的专利一种基于Transformer的丢失部分敏感的三维残缺点云补全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：CN115953518B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202211694088.2，技术领域涉及：G06T15/00；该发明授权一种基于Transformer的丢失部分敏感的三维残缺点云补全方法是由高攀;黎山山;权荣;谭晓阳设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于Transformer的丢失部分敏感的三维残缺点云补全方法在说明书摘要公布了：本发明公开了一种基于Transformer的丢失部分敏感的三维残缺点云补全方法，首先，根据输入的残缺点云的坐标从其对应的真实值中分离出真实的点云丢失部分；其次，利用特征和位置信息提取器对残缺点云以及真实丢失部分进行信息提取并生成对应的点代理；然后，利用特征生成器为丢失部分生成特征并融入随机位置信息作为丢失点代理，并将残缺代理和丢失代理送入丢失部分敏感的Transformer中，生成预测的丢失部分代理；最后，用真实的代理对预测的代理进行错误值矫正，作为特征送入后续网络中进行精细化点云生成。本发明以端到端的形式对残缺的三维点云进行补全，得到细节丰富，视觉效果较好的完整点云，能够满足例如自动驾驶等实时应用场景的需求。

本发明授权一种基于Transformer的丢失部分敏感的三维残缺点云补全方法在权利要求书中公布了：1.一种基于Transformer的丢失部分敏感的三维残缺点云补全方法，其特征在于，包括以下步骤： 1随机选取一个视角对完整点云进行球状范围内的点云删除，剩余部分作为残缺点云，删除部分作为丢失点云，以此构成“残缺-丢失-完整”数据对，用作神经网络模型的训练数据； 2利用最远点采样算法和矢量注意力机制设计点云特征提取模块，用于逐点提取点云的高维特征，并利用K邻近算法和坐标及特征维度相减设计点云位置提取模块，用于逐点提取点云的几何位置信息；将逐点的点云特征和点云位置信息相加，生成已存在点代理和真实丢失点代理； 3利用特征生成模块生成丢失点云的特征，通过注意力机制，残差连接以及前馈神经网络构成一个丢失点云代理预测模块，得到预测丢失点代理； 4用真实丢失点代理对预测丢失点代理进行矫正并送入点云精细化模块做精细化点云预测； 所述步骤4实现过程如下： 利用步骤2得到的真实丢失点代理对步骤3中得到的预测丢失点代理施加对齐约束以控制其中的误差值，为其添加的对齐约束公式化为： ； 其中，表示对齐约束损失；表示均方误差；将预测的丢失点代理作为特征，送入点云精细化网络FoldingNet中，对步骤2获取的粗略丢失点云进行上采样操作；将神经网络模型视为一个映射函数F，并通过最小化网络预测块和相对应的真实标签之间的损失来学习网络参数，使用倒角距离和对齐约束损失的加权和作为损失函数： ； 其中，表示预测的粗略丢失点云和真实丢失点云之间的倒角距离；表示预测的完整点云和真实完整点云之间的倒角距离；表示对齐约束损失；倒角距离的由如下公式计算： ； 其中，和表示点云和中的点。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。