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！

龙图腾网获悉西安交通大学申请的专利基于自适应特征采样的点云语义分割方法及系统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：CN115273081B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210983067.6，技术领域涉及：G06V10/26；该发明授权基于自适应特征采样的点云语义分割方法及系统是由杨静;江舟;李昊哲;岳小力;宣春宇;杜少毅设计研发完成，并于2022-08-16向国家知识产权局提交的专利申请。

本基于自适应特征采样的点云语义分割方法及系统在说明书摘要公布了：本发明公开了一种基于自适应特征采样的点云语义分割方法及系统，包括：进行点云数据的颜色通道转换；对转换后的点云数据最远点采样并进行邻域搜索；对各邻域使用自适应特征变换；对所有点的特征进行非局部特征变换；融合上述的降采样后的特征、自适应特征以及非局部特征；重复进行三次降采样；进行基于邻近点插值的三层上采样；使用softmax函数预测结果，进行基于交叉熵损失函数的模型训练。使用训练好的模型预测待分割的点云数据。本发明方法在降采样点的邻域范围进行重新加权，自适应地调整采样点，同时通过局部与非局部特征的融合以构建长距离采样点之间的关联性，有效地降低了噪声点对于分割结果的影响，并且提高了数据非均衡物体的分割效果。

本发明授权基于自适应特征采样的点云语义分割方法及系统在权利要求书中公布了：1.基于自适应特征采样的点云语义分割方法，其特征在于，包括以下步骤： 步骤一：对包含颜色信息的点云数据进行颜色通道转换，将其中的RGB通道转换为HSV通道，并保留原始点云数据的三维空间坐标，获得转换后的点云数据； 步骤二：对转换后的点云数据，使用最远点采样方法进行降采样，得到点集以及点集对应的特征； 步骤三：对点集中的每个点进行邻域搜索，获取到k个邻居点； 步骤四：将步骤三中获得的k个邻居点的特征进行自适应特征变换，获得自适应调整后的各邻域内自适应特征；具体为：将步骤三中获得的k个邻居点的特征 进行自适应特征变换，获得自适应调整后的各邻域内自适应特征 其中：fi,c是点集中的点xi所在邻域内的第c个邻居点特征，其经自适应特征变换调整之后得到自适应特征f’i,c，c＝1,…,k,函数通过枚举点xi的每个邻居点xi,j,j＝1,…,k与xi的第c个邻居点xi,c进行距离加权点积计算，以此衡量点xi的第c个邻居点与所有邻居点的特征相似度，θ和δ是三个相互独立的卷积操作，其目的是转换点坐标或特征的维度使得矩阵乘法得以进行，γ是池化操作； 步骤五：将步骤四获得自适应调整后的各邻域内自适应特征采用一个权值共享的多层感知机关联起来，并归一化获得某点的自适应特征，对该点的自适应特征与点集中的所有点以及对应的特征空间进行非局部特征变换获得该点的非局部特征； 步骤六：将步骤五中获得的某点的自适应特征与非局部特征，以及步骤二中的特征相结合，获得本次降采样过程的输出特征； 步骤七：重复步骤二至步骤六，再次进行降采样并分别获得自适应特征以及非局部特征，直到网络进行了三次降采样并且进行了三次自适应特征变换与非局部特征变换，由此建立了网络的三层下采样层； 步骤八：通过近邻点加权插值以及回溯的方法进行三次上采样，将步骤七中下采样得到的点云数据重新恢复到原始点云规模并使用多层感知机融合特征；使用softmax逐点判断重新恢复后点云数据中的每个点所属背景或类别的概率，得到分割结果； 步骤九：选择交叉熵损失函数用以计算训练网络的误差，通过梯度下降法最小化网络损失，训练可学习的网络参数，使得网络结果达到收敛，得到训练好的点云分割网络； 步骤十：给定新的待分割的点云数据，根据步骤九中训练好的点云分割网络参数，执行步骤一至步骤八，得到点云数据的分割结果。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。