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！

龙图腾网获悉西安理工大学申请的专利基于中心点检测与聚类的重复性单个物体提取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：CN117078988B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310852351.4，技术领域涉及：G06V10/762；该发明授权基于中心点检测与聚类的重复性单个物体提取方法是由宁小娟;李志寰;吕志勇;肖照林;金海燕设计研发完成，并于2023-07-12向国家知识产权局提交的专利申请。

本基于中心点检测与聚类的重复性单个物体提取方法在说明书摘要公布了：本发明公开了基于中心点检测与聚类的重复性单个物体提取方法，提取点云数据特征，将特征并行的送入单个物体中心点选取模块和特征学习模块；在单个物体中心点选取模块中首先经过两次多层感知机和Sigmoid激活函数预测到每个点的中心得分，由语义标签结果和中心点得分得到单个物体的中心点结果；在特征学习模块中计算特征距离矩阵、有效距离矩阵以及注意力分数矩阵三个矩阵，用于学习同属于单个物体的点；将特征学习模块学习到的每个点与其特征最相似的中心点聚为一类，聚类的结果即为单个物体的提取结果。本发明解决了免候选区域方法聚类结果目标性较差的问题。

本发明授权基于中心点检测与聚类的重复性单个物体提取方法在权利要求书中公布了：1.基于中心点检测与聚类的重复性单个物体提取方法，其特征在于，提取点云数据特征，将特征并行的送入单个物体中心点选取模块和特征学习模块；在单个物体中心点选取模块中首先经过两次多层感知机和Sigmoid激活函数预测到每个点的中心得分，由语义标签结果和中心点得分得到单个物体的中心点结果；在特征学习模块中计算特征距离矩阵、有效距离矩阵以及注意力分数矩阵三个矩阵，用于学习同属于单个物体的点；将特征学习模块学习到的每个点与其特征最相似的中心点聚为一类，聚类的结果即为单个物体的提取结果； 具体按照以下步骤实施： 步骤1，特征提取：输入点云数据，使用基于Transformer和稀疏卷积的深度学习模型，得到点云的全局特征和局部特征，并将特征进行融合得到特征矩阵F； 步骤2，中心分数预测：将特征矩阵F经过两个多层感知机和一个激活函数得到每个点的中心得分，对每个点的中心得分进行归一化处理，根据归一化结果生成热力图Q； 所述步骤2具体为： 步骤2.1，将特征矩阵F输入到多层感知机中，提取到特征FN×128； 步骤2.2，将特征FN×128输入到多层感知机中，提取到特征FN×1； 步骤2.3，使用Sigmoid激活函数对特征FN×1进行处理，得到中心点预测分数具体计算公式如式2所示： 式2中fi——代表特征FN×1中第i个点的特征值； 步骤3，中心点选择：根据语义标签和热力图Q选择中心点； 步骤4，特征距离计算：根据特征空间中同一物体的点距离相近这一特点，引入特征距离矩阵来计算点对特征的相似性； 步骤5，二进制有效距离计算：通过有效距离，消除在特征空间中距离较远但在几何空间中很近的点之间的影响； 步骤6，注意力得分计算：通过计算每个点相对于中心点的得分高低，通过点的得分，计算两个点之间的权重，得到的权重结果，即为注意力得分矩阵的结果； 步骤7，特征聚合：通过将特征距离、有效距离、注意力得分三个矩阵的计算得到的具有相似特征的点进行结合，这些点与中心点合并即可得到最终的聚类结果。

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理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路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”。