北京理工大学刘凯琪获国家专利权
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！
龙图腾网获悉北京理工大学申请的专利一种基于深度学习的栅格化点云像素级分类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：CN116580238B 。
龙图腾网通过国家知识产权局官网在2025-08-01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：202310556396.7，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的栅格化点云像素级分类方法及系统是由刘凯琪;董娇;韩嘉威;李伟设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。
本一种基于深度学习的栅格化点云像素级分类方法及系统在说明书摘要公布了：本发明涉及一种基于深度学习的栅格化点云像素级分类方法及系统，包括将二维光栅数据切分成不同大小的块，找出最佳初始感受野作为数据输入，并通过采用第一模型作为主干网络的网络模型对切分后的LIDAR二维光栅数据特征进行提取，对模型进行训练；通过信息细化块选择主干网络提取的信息特征，将不同层次特征图进行交叉融合，扩大浅层特征图的感受野；聚合邻域内相关点的特征，强化各个像素点的隐空间特征表示，进而提高了LIDAR数据的分类精度。本发明通过迁移学习对模型参数进行初始化训练，引入信息细化和交叉融合模块来选择主干网络提取的信息特征，并利用对象上下文表示完成特征加强，最终提高了栅格化后激光雷达数据的分类效果。
本发明授权一种基于深度学习的栅格化点云像素级分类方法及系统在权利要求书中公布了：1.一种基于深度学习的栅格化点云像素级分类方法，其特征在于：所述分类方法包括： 特征提取步骤：将二维光栅数据切分成不同大小的patch，找出栅格化后LIDAR数据的最佳初始感受野作为数据输入，并通过采用第一模型作为主干网络的网络模型对切分后的LIDAR二维光栅数据特征进行提取，对模型进行训练； 特征细化步骤：通过信息细化块选择主干网络提取的LIDAR信息特征，将不同层次特征图进行交叉融合，扩大浅层LIDAR特征图的感受野； 特征强化步骤：聚合邻域内相关点的特征，强化各个像素点的隐空间特征表示； 最终通过对栅格化后LIDAR数据的特征进行提取、细化、融合与强化，从原始特征中选择最有效的特征对模型进行训练，提高了模型对LIDAR数据的分类精度，从而对HSI和LIDAR数据分类融合进行提升。
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理工大学，其通讯地址为：100000 北京市海淀区中关村南大街5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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号