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！

龙图腾网获悉北京邮电大学申请的专利一种基于在线难例挖掘的端到端散射体轮廓建模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：CN119784972B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411674970.X，技术领域涉及：G06T17/20；该发明授权一种基于在线难例挖掘的端到端散射体轮廓建模方法是由王莉;徐连明;吴鑫;张金鑫;马晨设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种基于在线难例挖掘的端到端散射体轮廓建模方法在说明书摘要公布了：本发明提供一种基于在线难例挖掘的端到端散射体轮廓建模方法，包括：获取待建模的点云组数据和预先训练的轮廓建模网络；其中，轮廓建模网络包括骨干网络、点云组检测网络、顶点检测网络和边缘检测网络，点云组检测网络为集成在线难例挖掘模块的检测网络；将待建模的点云组数据输入骨干网络得到点云特征数据；将点云特征数据输入点云组检测网络得到包含顶点的点云组；基于顶点检测网络和边缘检测网络对包含顶点的点云组进行顶点检测和边缘检测生成线框模型；基于线框模型生成水密平面得到散射体轮廓模型。不仅提高了对正样本的识别精度，还增强了对负样本的鲁棒性，有效解决了传统点云组检测中因正负样本不均衡而导致的性能问题。

本发明授权一种基于在线难例挖掘的端到端散射体轮廓建模方法在权利要求书中公布了：1.一种基于在线难例挖掘的端到端散射体轮廓建模方法，其特征在于，包括： 获取待建模的点云组数据和预先训练的轮廓建模网络；其中，所述轮廓建模网络包括骨干网络、点云组检测网络、顶点检测网络和边缘检测网络，所述点云组检测网络为集成在线难例挖掘模块的检测网络； 将所述待建模的点云组数据输入所述骨干网络，得到点云特征数据； 将所述点云特征数据输入所述点云组检测网络，得到包含顶点的点云组； 基于所述顶点检测网络和所述边缘检测网络对所述包含顶点的点云组进行顶点检测和边缘检测，生成线框模型； 基于所述线框模型生成水密平面，得到散射体轮廓模型； 所述轮廓建模网络通过下述方式进行训练： 将点云组样本输入预先建立的轮廓建模网络，分别计算第一损失、第二损失和第三损失；其中，第一损失为所述点云组检测网络的损失，第二损失为所述顶点检测网络的损失，第三损失为所述边缘检测网络的损失； 根据所述第一损失、第二损失和第三损失计算整体损失； 根据所述整体损失更新所述点云组检测网络、顶点检测网络和边缘检测网络的网络参数，得到所述预先训练的轮廓建模网络； 所述点云组检测网络包括只读网络和读写网络； 所述第一损失通过下述方式确定： 将点云组样本输入所述只读网络，得到第一预测结果；其中第一预测结果是点云组样本为正样本的概率； 基于点云组样本的真实标签和所述第一预测结果，计算样本损失；利用下式计算样本损失： 其中，为第i个样本的损失，为第i个点云组样本的真实标签，为点云组检测网络预测第i个点云组为正样本的概率； 根据所有样本的所述样本损失和预先设定的难例比率，从所有样本中筛选得到多个难例点云组样本； 将所述难例点云组样本输入所述读写网络，得到第二预测结果；其中第二预测结果是难例点云组样本为正样本的概率； 根据所有点云组样本的真实标签和所述第二预测结果，计算得到所述第一损失； 其中，为第一损失，Npat为点云组的数量，为第i个点云组样本的真实标签，为点云组检测网络预测第i个点云组为正样本的概率。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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”。

以上内容由龙图腾AI智能生成。