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！

龙图腾网获悉河海大学申请的专利一种基于融合Transformer网络的轻量级多阶段点云分类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：CN119445181B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202411057437.9，技术领域涉及：G06V10/764；该发明授权一种基于融合Transformer网络的轻量级多阶段点云分类方法是由陈焱明;夏家康;李国立;沈月千;蔡欣宇;陈瑶;邹新灿;崔越;尹昌贵;姜淼森设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本一种基于融合Transformer网络的轻量级多阶段点云分类方法在说明书摘要公布了：本发明公开了一种基于融合Transformer网络的轻量级多阶段点云分类方法，包括：构建原始点嵌入模块，局部特征提取，全局特征聚合和多阶段学习。本发明网络由高效特征聚合分支和Transformer分支组成，高效特征聚合分支配备可学习的位置编码，能充分捕获大多数点云分类网络经常忽视的位置信息。Transformer分支将具有相似特征的采样点聚类，实现捕获长程依赖与计算复杂性之间的平衡。同时，在原始点嵌入中引入了挤压‑激励模块，以增强点云特征的表示并提升后续点云学习性能。采用四阶段学习策略，有效增强了网络对点云的理解能力。大量实验证明，本发明在保持较低参数数量的同时，能够实现出色的分类性能。

本发明授权一种基于融合Transformer网络的轻量级多阶段点云分类方法在权利要求书中公布了：1.一种基于融合Transformer网络的轻量级多阶段点云分类方法，其特征在于，以原始Lidar点云数据作为输入，执行如下步骤S1-步骤S4，通过原始点嵌入模块得到点特征的高维表示，随后依次进行局部特征提取和全局特征聚合得到每个阶段的残差结果，最后多阶段学习每个残差结果，得到最终分类结果输出，步骤如下：步骤S1：构建原始点嵌入模块将原始点云投影到更高的维度，原始点嵌入模块包括线性层和挤压-激励SE模块；步骤S2：局部特征提取，将嵌入的高维点云特征通过两个分支分别运用最远点采样FPS和k最近邻算法kNN以及排序和kNN算法进行各自局部信息的提取，并实现点云数量的降采样；步骤S3：全局特征聚合，对两个分支各自提取到的局部特征进行相应的整合后分别传入可学习位置编码层和自注意力层实现全局特征的聚合，然后将这两个分支结果进行整合，进而得到每个阶段的残差结果；步骤S4：多阶段学习，采用四个阶段的学习策略，将每个阶段的残差结果作为下一阶段的输入，每个阶段的降采样率为12，将四个阶段学习后的结果传入分类器得到最终的分类结果。

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河海大学，其通讯地址为：211100 江苏省南京市江宁区佛城西路8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”。