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！

龙图腾网获悉江苏星湖科技有限公司申请的专利基于空间立体分割与点云群结构的配网杆塔物料识别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：CN120766050B 。

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：202511285936.8，技术领域涉及：G06V10/764；该发明授权基于空间立体分割与点云群结构的配网杆塔物料识别方法是由尤万成;杜明煜;李文洲;陈钊翔;方超;尤诗莹设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本基于空间立体分割与点云群结构的配网杆塔物料识别方法在说明书摘要公布了：本发明公开了基于空间立体分割与点云群结构的配网杆塔物料识别方法，包括：采集配网杆塔及环境三维点云数据并进行预处理，构建物料特征数据库；计算点间空间距离，构建无向点云图；根据图中密度、分布或规则选取种子点，各种子点对应物料类别；以种子点为起点进行随机游走聚类，按概率最大原则完成空间分割；构建改进三维高斯混合模型，训练参数，生成细粒度聚类标签；结合聚类标签与特征数据库，完成类型标定、数量统计与空间定位；输出结构化结果，用于物料盘点、巡检与管理。本发明通过融合随机游走聚类与改进三维高斯混合模型，实现了配网杆塔物料的高精度识别与空间定位。

本发明授权基于空间立体分割与点云群结构的配网杆塔物料识别方法在权利要求书中公布了：1.基于空间立体分割与点云群结构的配网杆塔物料识别方法，其特征在于，包括： 采集配网杆塔及周围环境的三维点云数据，对三维点云数据进行预处理，得到规范化点云数据集，构建配网物料特征数据库； 基于规范化点云数据集，计算每个点与邻域内其他点的空间距离，构建无向点云图，将各点作为无向点云图的节点，以邻域关系为边，利用空间距离定义边权值； 根据无向点云图中点的空间密度、几何分布或人工设定规则，选取一组种子点作为随机游走聚类的起始节点，各种子点分别对应不同物料类别； 以种子点为起点，在无向点云图上执行随机游走聚类，计算每个未分类点到各类别种子点的随机游走概率，并将每个点分配至概率值最大的类别，得到空间分割结果； 针对空间分割结果中的各空间分割区域，建立对应改进的三维高斯混合模型，对三维高斯混合模型的参数进行训练，输出细粒度聚类标签； 根据细粒度聚类标签，结合配网物料特征数据库，对各空间分割区域的点云数据进行类型标定、数量统计和空间定位，得到物料类别、数量及空间位置信息； 将物料类别、数量及空间位置信息，以结构化结果形式输出，用于配网杆塔物料的盘点、巡检与资产管理； 所述输出细粒度聚类标签，包括： 针对空间分割结果中的每一空间分割区域，提取空间分割区域内的点云数据，所述点云数据包括三维空间坐标信息，作为改进的三维高斯混合模型的输入数据； 将输入点云数据分别输入至拓扑高斯模块、异构协方差模块和层级融合模块，所述拓扑高斯模块包括拓扑特征提取单元和特征融合单元，异构协方差模块包括协方差类型判别单元和协方差参数生成单元，层级融合模块包括多尺度初始化单元和层级概率融合单元，三个模块作为改进的三维高斯混合模型的子结构； 在拓扑高斯模块中，拓扑特征提取单元以点云数据及半径邻域连接信息为输入，计算每个点的局部拓扑特征，特征融合单元将局部拓扑特征与点的空间坐标信息进行融合，输出拓扑融合特征集合，所述计算每个点的局部拓扑特征具体为： 以每个点的半径邻域为基础构建局部子图，通过图拉普拉斯算子计算一阶和高阶的频谱特征，捕捉点在空间中的局部结构复杂度与连通性，获得点云的基本拓扑描述； 在频谱特征的基础上，采用主成分分析获取邻域主方向，并通过对邻域点位置进行微小扰动，记录扰动前后主方向和结构特性的变化幅度，用以度量局部拓扑结构在空间变化下的稳定性和敏感性； 在提取了多阶邻域图频谱特征和主方向及扰动稳定性特征的基础上，再在多个邻域尺度下统计每个点邻域内各类别点的分布，计算信息熵，得到不同尺度下节点周围空间结构的多样性和冗余度； 在异构协方差模块中，协方差类型判别单元以拓扑融合特征集合为输入，结合点云分布的空间特性判别每个高斯分量对应的协方差类型，协方差参数生成单元根据协方差类型及相关点集自动生成协方差参数，输出各高斯分量的协方差类型和参数集合，所述结合点云分布的空间特性判别每个高斯分量对应的协方差类型是指根据各分量内点云的空间分布形态、稠密度和方向性特征，选择最适合描述分量分布特性的协方差结构类型，包括对角型、全矩阵型和稀疏型； 在层级融合模块中，多尺度初始化单元以协方差类型和参数集合及点云数据为输入，在不同空间尺度下初始化高斯分量，层级概率融合单元对各空间尺度的分量参数和归属概率进行融合，输出多尺度高斯分量参数集合，所述层级概率融合单元对各空间尺度的分量参数和归属概率进行融合是指将不同空间尺度下得到的高斯分量参数与各自的点归属概率，通过加权整合的方式，生成综合反映多尺度结构特征的高斯分量参数集合及归属概率分布； 将多尺度高斯分量参数集合作为初始参数，联合拓扑融合特征、协方差参数，在三维高斯混合模型整体框架下，采用期望最大化算法对各分量的均值、协方差和权重进行迭代优化，输出最终收敛的高斯分量参数集合； 根据最终收敛的高斯分量参数集合，对空间分割区域内的每个点云数据点，计算在所有高斯分量下的归属概率，根据最大概率原则分配细粒度聚类标签，输出空间分割区域内每个点的细粒度聚类标签及对应高斯分量参数，用于物料的精细区分和类别标定。

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江苏星湖科技有限公司，其通讯地址为：210003 江苏省南京市鼓楼区幕府南路190号七层；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。