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！

龙图腾网获悉广东工业大学申请的专利一种铁路轨道特征提取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：CN119884707B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411882582.0，技术领域涉及：G06F18/213；该发明授权一种铁路轨道特征提取方法及系统是由张润源;丁琼;王丹;邓继伟;徐明伟设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种铁路轨道特征提取方法及系统在说明书摘要公布了：本发明公开了一种铁路轨道特征提取方法及系统，涉及深度学习与点云数据处理的技术领域。所述方法包括以下步骤：获取铁路轨道点云数据，并对所述铁路轨道点云数据进行预处理；构建铁路轨道特征提取模型，所述铁路轨道特征提取模型包括输入模块、编码器模块、解码器模块及铁路轨道特征分类模块；利用所述铁路轨道特征提取模型根据预处理后的轨道图像数据提取铁路轨道特征提取，并根据提取的铁路轨道特征进行铁路轨道分类，输出分类结果。通过本发明的方法，能够有效提高对轨道与非轨道数据类别不平衡问题适应性，以同时捕获全局和局部特征，并有效建立不同通道之间的依赖关系，从而提高轨道特征提取的精度，并降低轨道提取成本。

本发明授权一种铁路轨道特征提取方法及系统在权利要求书中公布了：1.一种铁路轨道特征提取方法，其特征在于，所述方法包括以下步骤： 获取铁路轨道点云数据，并对所述铁路轨道点云数据进行预处理； 构建铁路轨道特征提取模型，所述铁路轨道特征提取模型包括输入模块、编码器模块、解码器模块及铁路轨道特征分类模块； 所述铁路轨道特征提取模型根据预处理后的轨道点云数据提取铁路轨道特征，并根据提取的铁路轨道特征进行铁路轨道分类，输出分类结果； 对所述铁路轨道点云数据进行预处理的过程包括： 对获取的铁路轨道点云数据进行裁剪与降噪处理； 根据裁剪与降噪后的铁路轨道点云数据划分为训练集、验证集与测试集； 将训练集输入铁路轨道特征提取模型，并设置若干轮次的迭代优化训练对所述铁路轨道特征提取模型进行参数迭代优化，过程包括： 利用输入模块将训练集中的原始点云数据划分成若干个不重叠的数据块； 编码器模块根据若干个不重叠的数据块提取原始点云数据的多尺度特征； 解码器模块根据多尺度特征恢复点云分辨率，并根据恢复的点云分辨率进行轨道点与非轨道点分类； 铁路轨道特征分类模块根据分类得到的轨道点与非轨道点，生成与输入点云一致的标注点云，并根据标注点云进行铁路轨道分类；其中，分类结果包括轨道与非轨道； 利用测试集对每轮次训练后的铁路轨道特征提取模型进行测试，利用验证集对每轮次测试的分类结果进行验证，并设置损失函数对每轮次训练后的铁路轨道特征提取模型进行参数优化，当设置迭代轮次结束或者损失函数收敛时，得到训练好的铁路轨道特征提取模型； 利用输入模块将训练集中的原始点云数据划分成若干个不重叠的数据块的过程包括： 从所述原始点云数据中随机选取若干个点，计算每一个点的轨道邻域范围，在每一个点的轨道邻域范围内选择若干个点组合为一个数据块，得到若干个不重叠的数据块，并对若干个不重叠的数据块进行数据标准化处理； 编码器模块根据若干个不重叠的数据块提取原始点云数据的多尺度特征的过程包括； 所述编码器模块包括依次连接的三元组注意力集合抽象子模块与若干个基础集合抽象子模块； 三元组注意力集合抽象子模块包括采样层、多层感知机层、若干个平行处理单元及最大池化层； 通过采样层对若干个不重叠的数据块进行最远点采样，并将采样的点组合为点集； 采用多层感知机层对点集进行特征升维，并采用若干个平行处理单元对升维后的特征构建点云中全局特征、局部特征及一般特征之间的依赖特征； 采用多层感知机层对构建的依赖特征进行特征升维，并采用最大池化层对升维后的依赖特征进行最大池化处理，得到原始点云数据的多尺度特征； 设置损失函数对每轮次训练后的铁路轨道特征提取模型进行参数优化的过程包括： 计算轨道与非轨道中的点数，根据点数计算轨道与非轨道的初始权重，表达式为: 其中，表示所有类别中样本数量的最大值； 采用对数函数加上偏置来调整权重分布，对损失函数进行优化，表达式为: 其中，表示经过缩放后的权重，表示正类别权重，表示负类别权，y表示样本的真实标签，p表示模型预测样本属于正类别的概率。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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”。