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！

龙图腾网获悉北京航空航天大学申请的专利一种三维点云数据分割模型训练和应用方法、设备及介质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：CN121482066B 。

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：202610024023.9，技术领域涉及：G06T7/10；该发明授权一种三维点云数据分割模型训练和应用方法、设备及介质是由周彬;周生笛;昝晓强;赵沁平设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本一种三维点云数据分割模型训练和应用方法、设备及介质在说明书摘要公布了：本申请公开了一种三维点云数据分割模型训练和应用方法、设备及介质，涉及三维点云数据分割技术领域，该方法包括：构建隐式拟合模块，对于每一类几何基元类型，获取几何基元类型对应的第一数据集，利用第一数据集对隐式拟合模块进行训练，得到几何基元类型对应的训练后隐式拟合模块，将分割模块、聚类模块和每一类几何基元类型对应的训练后隐式拟合模块组成初始三维点云数据分割模型，对初始三维点云数据分割模型进行训练，得到三维点云数据分割模型，利用三维点云数据分割模型来完成三维点云数据分割。本申请通过采用结构相同参数不同的训练后隐式拟合模块引入了基元几何损失信息，从而可提高三维点云数据分割模型的准确性与鲁棒性。

本发明授权一种三维点云数据分割模型训练和应用方法、设备及介质在权利要求书中公布了：1.一种三维点云数据分割模型训练方法，其特征在于，所述三维点云数据分割模型训练方法包括： 构建隐式拟合模块；所述隐式拟合模块包括依次连接的编码器和解码器，所述编码器包括PointNet++骨干网络和第一拼接层，所述PointNet++骨干网络的输入端和输出端均连接所述第一拼接层的输入端，所述解码器包括依次连接的若干个解码块，所述解码块包括依次连接的第一MLP模型和SoftPlus激活函数层，第一个所述解码块的第一MLP模型的输入端连接所述第一拼接层的输出端； 对于每一类几何基元类型，获取所述几何基元类型对应的第一数据集，利用所述第一数据集对所述隐式拟合模块进行训练，得到所述几何基元类型对应的训练后隐式拟合模块；所述第一数据集包括样本面中每一个第一样本点的样本三维坐标，所述样本面的类型和所述几何基元类型相同； 将分割模块、聚类模块和每一类所述几何基元类型对应的训练后隐式拟合模块组成初始三维点云数据分割模型；所述分割模块的输出端连接所述聚类模块的输入端，所述聚类模块的输出端分别连接每一类所述几何基元类型对应的训练后隐式拟合模块的输入端； 对所述初始三维点云数据分割模型进行训练，得到三维点云数据分割模型； 所述分割模块包括特征提取单元、第一融合单元、第二融合单元、方向映射单元和类型确定单元； 所述特征提取单元用于提取得到三维点云数据中每一个点的实例特征和语义特征； 所述第一融合单元的输入端连接所述特征提取单元的输出端；所述第一融合单元用于对所述语义特征进行增强处理，得到处理后语义特征，并将所述实例特征和所述处理后语义特征进行融合，得到增强后实例特征； 所述第二融合单元的输入端连接所述特征提取单元的输出端；所述第二融合单元用于对所述实例特征进行增强处理，得到处理后实例特征，并将所述语义特征和所述处理后实例特征进行融合，得到增强后语义特征； 所述方向映射单元的输入端连接所述特征提取单元的输出端；所述方向映射单元用于基于所述实例特征确定方向向量； 所述类型确定单元的输入端连接所述第二融合单元的输出端；所述类型确定单元用于基于所述增强后语义特征确定几何基元类型； 其中，所述特征提取单元包括DGCNN模型、第二MLP模型和第三MLP模型，所述DGCNN模型的输出端分别连接所述第二MLP模型的输入端和所述第三MLP模型的输入端，所述第二MLP模型用于输出实例特征，所述第三MLP模型用于输出语义特征； 所述第一融合单元包括依次连接的全连接层、批量归一化层、ReLU激活函数层、加法层和第四MLP模型，所述全连接层的输入端连接所述第三MLP模型的输出端，所述加法层的输入端还连接所述第二MLP模型的输出端； 所述第二融合单元包括依次连接的kNN模型、第二拼接层、最大池化层和第五MLP模型，所述kNN模型的输入端连接所述第二MLP模型的输出端，所述第二拼接层的输入端还连接所述第三MLP模型的输出端； 所述方向映射单元包括第六MLP模型，所述第六MLP模型的输入端连接所述第二MLP模型的输出端； 所述类型确定单元包括依次连接的若干个第七MLP模型，第一个所述第七MLP模型的输入端连接所述第五MLP模型的输出端； 所述聚类模块包括特征更新单元和聚类单元； 所述特征更新单元用于基于三维点云数据中每一个点的增强后实例特征、三维坐标和方向向量，确定三维点云数据中每一个点的更新后特征；所述增强后实例特征和所述方向向量均为所述分割模块输出的结果； 所述聚类单元的输入端连接所述特征更新单元的输出端；所述聚类单元用于基于三维点云数据中每一个点的更新后特征和几何基元类型来进行聚类和分割，得到多个几何基元实例；所述几何基元类型为所述分割模块输出的结果； 其中，所述更新后特征的计算公式为： ； 其中，为三维点云数据中第个点的更新后特征；为三维点云数据中第个点的增强后实例特征；为步长系数；为三维点云数据中第个点的三维坐标；为三维点云数据中第个点的方向向量； 所述聚类单元采用均值漂移聚类算法。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。