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！

龙图腾网获悉江苏方天电力技术有限公司申请的专利一种自然场景下的基于特征聚类的点云分割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：CN115410197B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202211024754.1，技术领域涉及：G06V20/70；该发明授权一种自然场景下的基于特征聚类的点云分割方法是由黄祥;王红星;郭昭艺;顾徐;陈露;霍丹江;杜彪设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本一种自然场景下的基于特征聚类的点云分割方法在说明书摘要公布了：本发明公开了一种自然场景下的基于特征聚类的点云分割方法，包括：获取特征滤波的点云数据，并去除点云数据中包含地面特征的点云，获得无地面特征干扰因素且符合特征聚类的点云数据集；点云数据集基于特征聚类算法进行粗分割，获得分割结果；分割结果基于形状分布算法进行去噪，获得去噪点云数据；去噪点云数据基于特征聚类算法进行细分割，并输出细分割下的点云数据。本发明的点云模型分割方法在自然场景中结合了特征聚类等相关技术，设计了完整的分割技术，有效的降低了算法的计算复杂度和计算资源开销，同时在准确率方面得到了大幅提升，在实时性，可扩展性，负载均衡等方面也均优于其他方法。

本发明授权一种自然场景下的基于特征聚类的点云分割方法在权利要求书中公布了：1.一种自然场景下的基于特征聚类的点云分割方法，其特征在于，包括： 获取特征滤波的点云数据，并去除点云数据中包含地面特征的点云，获得无地面特征干扰因素且符合特征聚类的点云数据集； 点云数据集基于特征聚类算法进行粗分割，获得分割结果； 分割结果基于形状分布算法进行去噪，获得去噪点云数据； 去噪点云数据基于特征聚类算法进行细分割，并输出细分割下的点云数据； 点云数据集基于特征聚类算法进行粗分割，获得分割结果的方法包括： 随机选择点云数据集中不属于已聚类点集合中的一点作为基准点，设置基准点周围簇群集合为空，其中；粗分割中特征聚类算法中预设已聚类点集合、特征聚合半径和聚类点云数量的下限值； 从点云数据任选一点，若任选点未存在于已聚类集合中，则计算任选点与基准点之间的范数作为距离，若距离小于特征聚合半径，则将任选点加入基准点周围簇群集合，并加入已聚类集合中；并从点云数据中循环选择所有点加入基准点周围簇群集合，至未聚类的点与基准点的距离均大于特征聚类半径； 计算基准点的周围簇群集合中点的个数，如果大于聚类点云数量的下限值，则标记集合为标准集合，否则，将该周围簇群集合标记为失败集合，并选择输出标准集合； 循环选择输出标准集合，直到点云数据中所有的点均位于已聚类集合中，输出所有标准聚类簇群，并基于聚类簇群对点云数据中所有的点进行聚类，从而获得粗分割结果； 去噪点云数据基于特征聚类算法进行细分割，并输出细分割下的点云数据的方法为： 随机选择去噪点云数据中的属于未聚类点集合中且不属于未成功集合的一点作为基准点，设置基准点周围簇群集合为空；其中细分割中特征聚类算法预设特征聚合半径、聚类点云数量下限值、相似度距离、未聚类点集合，未成功集合； 从去噪点云数据中任选一点，若任选点存在于未聚类集合中，则计算该点与基准点之间的范数作为距离，若距离小于特征聚合半径，同时，计算该点与基准点之间的相似度距离，若小于基准相似度距离，则将任选点加入基准点周围簇群集合，并在未聚类集合中删除该点；从去噪点云数据中循环选择所有点加入基准点周围簇群集合直到未聚类的点与基准点的距离均大于特征聚类半径； 计算基准点的周围簇群集合中点的个数，如果大于聚类点云数量下限值，则标记集合为标准集合，输出标准集合；其中，若基准点的周围簇群集合中点的个数小于聚类点云数量下限值，将周围簇群集合中的所有点加入到未成功集合中，同时将周围簇群集合中所有的点云数据点放回未聚类点集合中，重新循环选择所有点加入基准点周围簇群集合直到未聚类的点与基准点的距离均大于特征聚类半径，并重新计算计算基准点的周围簇群集合中点的个数，直至输出标准集合； 循环输出输出标准集合，直到点云数据中所有的点均不位于未聚类集合中，输出所有标准聚类簇群，基于标准聚类簇群对点云数据中所有的点进行聚类，获得细分割的点云数据。

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方天电力技术有限公司，其通讯地址为：211100 江苏省南京市江宁区苏源大道58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。