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！

龙图腾网获悉泉州装备制造研究所申请的专利基于改进PointNet++的工程机械满斗率预测方法、装置及可读介质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：CN120543873B 。

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：202511037652.7，技术领域涉及：G06V10/422；该发明授权基于改进PointNet++的工程机械满斗率预测方法、装置及可读介质是由孙波;王升;刘洁;程凯;肖瑜龙;黄兴宇;黄倩;吴旭龙;彭一设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本基于改进PointNet++的工程机械满斗率预测方法、装置及可读介质在说明书摘要公布了：本发明公开了一种基于改进PointNet++的工程机械满斗率预测方法、装置及可读介质，涉及点云处理领域，包括：构建工程机械挖斗满载状态语义分割模型并训练，得到经训练的工程机械挖斗满载状态语义分割模型；工程机械挖斗满载状态语义分割模型采用改进PointNet++网络，其是在传统的PointNet++网络的前两个SA模块的PointNet层嵌入Point‑CBAM模块而得；在工程机械挖斗满载状态语义分割模型的训练阶段的数据加载过程中采用基于密度权重引导的类别平衡采样策略对点云数据进行采样；获取待预测的挖斗满载状态下的点云数据并输入到经训练的工程机械挖斗满载状态语义分割模型，得到分割结果，根据分割结果计算得到满斗率。本发明解决现有满斗率估算手段实时性差、精度低及环境适应性差等问题。

本发明授权基于改进PointNet++的工程机械满斗率预测方法、装置及可读介质在权利要求书中公布了：1.一种基于改进PointNet++的工程机械满斗率预测方法，其特征在于，包括以下步骤： 构建工程机械挖斗满载状态语义分割模型并训练，得到经训练的工程机械挖斗满载状态语义分割模型；所述工程机械挖斗满载状态语义分割模型采用改进PointNet++网络，所述改进PointNet++网络是在传统的PointNet++网络的前两个SA模块的PointNet层嵌入Point‑CBAM模块而得，将点云数据中的每个点的点云特征输入到所述Point‑CBAM模块中，其中N为点云数据中的点的数量，C为点云数据中的每个点的特征维度，表示实数集合； 在面向点云的通道注意力模块中，对点云数据中的每个点pi采用KNN策略形成邻域并在邻域内采用最大池化与平均池化两种方式对邻域内的点的点云特征进行聚合，得到最大池化特征和平均池化特征，如下式所示： 其中，表示点pi的邻域中的任意一个点pj的点云特征，k为邻域中的点数，表示点pi对应的最大池化特征，表示点pi对应的平均池化特征； 将所述最大池化特征和平均池化特征分别输入到一个共享的多层感知机进行映射转化，得到最大映射特征和平均映射特征，如下式所示： Zmaxpi＝FC2ReLUFC1fmaxpi； Zavgpi＝FC2ReLUFC1favgpi0； 其中，FC1和FC2分别表示第一全连接层和第二全连接层，ReLU表示ReLU激活函数，Zmaxpi和Zavgpi分别表示点pi对应的最大映射特征和平均映射特征； 对所述最大映射特征和平均映射特征进行融合，得到融合特征，如下式所示： Zcpi＝Zmaxpi+Zavgpi； 其中，Zcpi表示点pi对应的融合特征； 先采用通道重排操作对所述融合特征中的特征通道顺序进行重排，再输入sigmoid激活函数，得到通道注意力权重，如下式所示： 其中，σ·代表sigmoid激活函数，Shuffle·表示通道重排操作，表示点pi对应的通道注意力权重； 将所述通道注意力权重与点pi的点云特征Fpi按通道进行加权乘法操作，得到通道注意力特征，如下式所示： 其中，表示按通道对应元素相乘，表示点pi对应的通道注意力特征；在所述工程机械挖斗满载状态语义分割模型的训练阶段的数据加载过程中采用基于密度权重引导的类别平衡采样策略对点云数据进行采样； 获取待预测的挖斗满载状态下的点云数据并输入到所述经训练的工程机械挖斗满载状态语义分割模型，得到分割结果，根据所述分割结果计算得到满斗率。

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泉州装备制造研究所，其通讯地址为：362123 福建省泉州市台商投资区洛阳镇上浦村吉贝511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”。