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！

龙图腾网获悉南京航空航天大学申请的专利一种基于双路径注意力与分形结构的高保真点云补全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：CN120655840B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511166099.7，技术领域涉及：G06T17/00；该发明授权一种基于双路径注意力与分形结构的高保真点云补全方法及系统是由李明磊;周聪;邹昕;姚以诺设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本一种基于双路径注意力与分形结构的高保真点云补全方法及系统在说明书摘要公布了：本发明涉及一种基于双路径注意力与分形结构的高保真点云补全方法及系统，包括迭代最远点采样算法处理输入点云；扩展组合多层感知机结合双路注意力机制提取构建联合特征向量；利用金字塔点生成器分层重建缺失区域点云；设计复合损失函数和动态权重调度策略优化重建目标；设计基于内置谱归一化和梯度惩罚机制的判别器的对抗训练框架；推理生成点云重建结果。本发明解决了传统点云补全方法对几何先验与匹配模板的依赖，缓解对不同维度语义信息的校准缺乏、对最大池化的过度依赖，以及判别器梯度异常和损失函数难以保证均匀性的局限，明显著提升复杂结构场景下的几何细节恢复能力与视觉真实性。

本发明授权一种基于双路径注意力与分形结构的高保真点云补全方法及系统在权利要求书中公布了：1.一种基于双路径注意力与分形结构的高保真点云补全方法，其特征在于，包括以下步骤： S1、构建包含残缺点云的数据集，对输入模型的残缺点云通过迭代最远点采样算法处理，生成包含原始分辨率、中等分辨率及低分辨率的三层点云子集，分别保留完整几何细节、主体结构特征与全局拓扑骨架； S2、对三层点云子集分别采用扩展组合多层感知机提取多层多粒度特征，每层多粒度特征输入双路注意力机制进行处理，处理后的各层加权特征独立进行最大池化后拼接，形成三层点云子集对应的三层联合特征向量，再通过拼接操作和多层感知机形成最终特征向量；所述双路注意力机制包括串联的两部分路径，即通道注意力路径和空间注意力路径； S3、利用金字塔点生成器执行分层重建，由最终特征向量中的低维、中维、高维特征分别依次生成主中心点、次中心点、细节点，最终拼接形成缺失区域的预测点云，精确拟合局部几何特征； S4、在缺失区域的预测点云与真实点云之间设计复合损失函数，并设计动态权重调度策略同步优化多个重建目标； S41、所述复合损失函数包括约束全局形状对齐的最近邻距离损失、抑制局部几何偏差的极值距离损失、优化点分布均匀性的传输距离损失、以及多阶段约束机制中强制骨架拓扑优先收敛的多阶段约束损失； S42、所述最近邻距离损失，遍历预测点云中每个点寻找其在真实点云中的最近点并累加距离平方，同时遍历真实点云中每个点寻找其在预测点云中的最近点并累加距离平方，两项之和构成全局形状对齐约束； S43、所述极值距离损失，取预测点云到真实点云的最大最小距离与真实点云到预测点云的最大最小距离两者的最大值，专门抑制薄壁结构和尖锐边缘的形变； S44、所述传输距离损失，其度量基于最优传输理论建立点对点映射关系，有效消除表面孔洞和点簇聚集伪影； S45、所述动态权重调度策略，具体地，在训练初始30轮内赋予最近邻距离损失0.4的主导权重以加速全局形状收敛；在30至80轮训练期间逐步提升极值距离损失权重至0.3，重点优化局部几何精度；80轮后则增强传输距离损失权重至0.3，着力改善点分布均匀性； S5、采用对抗训练框架，判别器应用谱归一化约束权重矩阵谱范数，并通过梯度惩罚机制增强训练稳定性； S6、推理过程中，输入残缺点云，经过步骤S1-S3，由金字塔点生成器输出缺失区域的高质量三维预测点云数据，该预测点云数据可与输入的残缺点云拼接，即可输出完整的重建结果。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。