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！

龙图腾网获悉南京大学申请的专利一种基于神经网络的3D点云数据处理方法及加速器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：CN116012657B 。

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：202310112245.2，技术领域涉及：G06V10/764；该发明授权一种基于神经网络的3D点云数据处理方法及加速器是由王中风;于悦;毛文东;罗嘉鹏设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本一种基于神经网络的3D点云数据处理方法及加速器在说明书摘要公布了：本发明提供了一种基于神经网络的3D点云数据处理方法及加速器，所述方法包括：向神经网络中输入3D点云数据，输出点云所代表的目标类别；所述神经网络包括特征提取模块LCEM，LBR块，最大池化层，降采样层和全连接层；特征提取模块LCEM对离采样点距离最近的部分点在数据中对应的特征通过卷积层进行融合；LBR块用于特征提取；最大池化层和降采样层输出单一值来降低神经网络的输入尺寸；全连接层用于输出目标对应各个类别的概率，并按照概率最高的类别进行输出。本发明用于处理3D点云分类问题，通过可学习的权重来对邻域特征进行聚合，与Pointnet相比，在将网络参数压缩30倍以上的条件下，仍能保持相同的精度。

本发明授权一种基于神经网络的3D点云数据处理方法及加速器在权利要求书中公布了：1.一种基于神经网络的3D点云数据处理方法，其特征在于，包括：向神经网络中输入3D点云数据，输出点云所代表的目标类别； 所述神经网络包括特征提取模块LCEM，LBR块，最大池化层，降采样层和全连接层； 所述特征提取模块LCEM直接处理输入的点云数据，对离采样点距离最近的部分点在数据中对应的特征通过卷积层进行融合； 所述LBR块用于特征提取，所述LBR块包括线性层Linear、批归一化层Batchnormalization和线性整流层ReLU； 所述最大池化层和降采样层通过输入多个值，输出单一值来降低神经网络的输入尺寸；当池化层尺寸为4时，最大池化层每输入4个值，输出4个值中的最大值，降采样层通过将卷积层的步长设置为2，每层会将输出的尺寸降为输入的一半； 所述全连接层直接输出目标所属各个类别的概率，全连接层用于输出目标对应各个类别的概率，并按照概率最高的类别进行输出； 所述3D点云数据包括一系列空间中无序的散点，包含了空间中物体的位置特征； 所述特征提取模块LCEM包括A模块和B模块； 所述A模块包括两个不同的线性层、批归一化层Batchnormalization、线性整流层ReLU和归一化指数函数层Softmax； 所述归一化指数函数层Softmax用于将输入的特征转换成目标所属类别的概率； 所述两个不同的线性层分别记为Linear1，Linear2；线性层Linear1和Linear2通过矩阵乘处理输入，所述批归一化层Batchnormalization将输入做归一化处理，所述线性整流层ReLU作为激活函数为神经网络引入非线性； 所述批归一化层Batchnormalization和线性整流层ReLU就是LBR块中的批归一化层Batchnormalization和线性整流层ReLU，在神经网络中不止使用一次； 所述B模块包括一个批矩阵乘模块BMM和一个卷积层Conv，用于融合输入点的邻域点的特征； 所述A模块将采样点邻域的点的位置坐标作为输入进行训练，得到邻域点的权重值；所述B模块将A模块训练得到的权重值与邻域点的特征值相乘，对邻域特征进行加权融合； 所述批矩阵乘模块BMM的输入和权重按照一定尺寸进行分割，划分成不同的批次，每个批次的输入只与对应批次的权重做矩阵乘运算。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号南京大学；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”。