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！

龙图腾网获悉中国计量大学;浙江工业大学申请的专利融合局部特征与全局上下文信息的三维点云任务分析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：CN119445291B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510038073.8，技术领域涉及：G06V10/774；该发明授权融合局部特征与全局上下文信息的三维点云任务分析方法是由肖刚;葛思翰;肖钟丞;陆佳炜;钟阳晟;李琛设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本融合局部特征与全局上下文信息的三维点云任务分析方法在说明书摘要公布了：一种融合局部特征与全局上下文信息的三维点云任务分析方法，属于三维点云任务分析领域，包括以下步骤：步骤1、构建点云数据集，过程如下：步骤1.1）、定义数据集；步骤1.2）、点云数据集预处理；步骤2、点云数据集采样，通过最远点采样FPS方式将原始点云数据集的点云数量下采样到固定值；步骤3、点云数据集分组；步骤4、局部特征提取；步骤5、邻域特征传播；步骤6、构建空间形状位置编码；步骤7、构建通道注意力；步骤8、局部特征增强，步骤9、全局上下文特征提取；步骤10、三维点云分类以及分割任务。本发明有效提高三维点云任务的精度。

本发明授权融合局部特征与全局上下文信息的三维点云任务分析方法在权利要求书中公布了：1.一种融合局部特征与全局上下文信息的三维点云任务分析方法，其特征在于，所述方法包括以下步骤： 步骤一、构建点云数据集，过程如下： 步骤1.1、定义数据集； 步骤1.2、点云数据集预处理：对于点云数据集P，进行随机旋转、缩放和加入噪声预处理操作，以生成在多种情况下的点云数据集； 步骤二、点云数据集采样，通过最远点采样FPS方式将原始点云数据集的点云数量下采样到固定值； 步骤三、点云数据集分组：通过KNN算法进行点云数据分组； 步骤四、局部特征提取：先构建邻域集，再提取邻域集特征；过程如下： 步骤4.1构建邻域集： 根据步骤一中构建的点云集P，使用KPconv提取局部特征，KPconv是一个成熟的点云网络架构，提出了核点卷积，模拟了变形卷积来获取点云的局部信息；然后，通过步骤二中的FPS算法得到M'个中心点，即得到了M'个局部区域，然后使用步骤三中的KNN算法采样后的点云划分为NK个局部区域块，每个区域中包含K个点，对每个区域中心点周围的K个最近邻居点进行分组，即其中，C为点云特征的维度，N'为采样后点的数量； 步骤4.2提取邻域集特征： 在得到采样分组后的点云后，使用分组自注意力机制LGA提取分组后的局部邻域特征，将每个局部邻域的点输入到MLP后依次生成QLGA,KLGA,VLGA，每个局部区域特征为记M'为N'K，计算公式如下， Zlocal＝αWLGAVLGA； 其中，φ，δ，α为MLP，MLP是一种具有输入层、隐藏层以及输出层结构的前向传播神经网络，通过隐藏层的多次计算来生成输入数据在全局表达空间中的描述；通过计算查询向量QLGA与所有关键向量KLGA之间的相似度，使用Softmax函数得到一个权重分布，用于加权求和关联的数值向量VLGA；Softmax函数是一种将数据转换到0和1之间的函数，C为点云特征的维度，防止出现梯度爆炸；梯度爆炸是指在进行反向传播时，梯度值随着网络层数的增加而呈指数级增长，导致网络权重大幅更新，使网络变得不稳定；WLGA是注意力权重向量，是根据全局特征和局部特征的显著程度自适应调整的融合权重序数；最后，数值向量VLGA与权重向量相乘后通过MLP得到分组后的点云特征Zlocal； 步骤五、邻域特征传播：为了捕获分离的局部区域特征关系，通过M'个不同区域的查询点建立邻域之间的关系，以允许点云特征在邻居之间传播，获取更多细粒度特征信息； 步骤六、构建空间形状位置编码，先构建注意力位置编码、方位角位置编码，再进行特征混合；过程如下： 步骤6.1、注意力位置编码，将步骤五得到的查询点pquery以及其关联的点plxi,yi输入到MLP中，将特征升维到C”，然后，由pquery以及关联的点xi,yi计算出几何相对位置信息N”×N”为点和点之间的距离的个数；最后，将步骤五中的点特征依次通过MLP获得Q、K、V，位置关系Pos以及几何表示G由如下公式得到， G＝R·WG； Pos＝R·WP； 其中，WG为几何表示可学习矩阵，WP为位置关系可学习矩阵； 步骤6.2、方位角位置编码，将步骤五得到的查询点pquery以及其关联的点plxi,yi以及特征输入到方位角位置编码APE进行编码，APE表示了在极坐标系中，点云之间的位置关系， FAPE＝fp[ωi，θi，σi]； 其中，fp是线性变换以及归一化操作，在步骤五构建的局部区域中，ωi为点与圆心之间的半径，θi以及σi表示了与圆心之间的角度关系，增强位置信息； 步骤6.3、特征混合，空间形状位置编码ss-RPE由步骤6.1的注意力位置编码以及步骤6.2的方位角位置编码组成，ss-RPE将步骤6.1中得到的位置关系Pos和步骤6.2中的APE得到的特征FAPE以及点云特征Xl累加得到最终特征，表示如下， Pqk＝Pos·Q+Pos·K； F＝Wa·G+Wa·V+FAPE； 其中，F为编码后得到的特征，Pqk为点之间的位置查询关系，Wa为注意力位置编码的权重； 步骤七、构建通道注意力； 步骤八、局部特征增强， 步骤九、全局上下文特征提取，采用全局形状特征提取模块GSFM用于全局上下文特征提取； 步骤十、三维点云分类以及分割任务，过程如下： 步骤10.1、构建分类任务：对于三维点云分类任务，通过点云嵌入获取初级点云，特征编码器由下采样层和SAPFormer模块组成，SAPFormer模块为形状特征传播模块，该形状特征传播模块的处理过程由步骤一到步骤八组成，通过全局平均池化以及MLP得到分类结果； 步骤10.2、构建分割任务：对于三维点云分割任务，采用U-Net架构，编码器和步骤10.1中的分类任务相同，之后每个阶段馈送到相应的上采样后，累加得到分割结果。

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中国计量大学;浙江工业大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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”。