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！

龙图腾网获悉广东工业大学申请的专利基于多层注意力融合和边缘结构引导的叶片点云补全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：CN118396895B 。

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：202410314833.9，技术领域涉及：G06T5/77；该发明授权基于多层注意力融合和边缘结构引导的叶片点云补全方法是由曾安;廖清青;潘丹;姬玉柱;刘柏菁;张逸群设计研发完成，并于2024-03-19向国家知识产权局提交的专利申请。

本基于多层注意力融合和边缘结构引导的叶片点云补全方法在说明书摘要公布了：本发明提供一种基于多层注意力融合和边缘结构引导的叶片点云补全方法，包括：获取植物叶片三维点云数据集并进行预处理；建立叶片点云补全网络；将预处理后的植物叶片三维点云数据集输入建立的叶片点云补全网络中，利用预设的总损失函数引导所述叶片点云补全网络进行迭代训练；最后将待补全的植物叶片点云输入训练好的叶片点云补全网络中进行补全；本发明针对叶片整体结构，设计了带有注意力机制的编解码器，通过融合模块融合多层注意力加权特征，提升模型对叶片结构的感知能力，使网络能更好地完成叶片点云补全任务；针对叶片片状结构，设计了边缘损失函数用于指导模型学习叶片边缘信息，从而提高植物叶片形态研究的精度。

本发明授权基于多层注意力融合和边缘结构引导的叶片点云补全方法在权利要求书中公布了：1.一种基于多层注意力融合和边缘结构引导的叶片点云补全方法，其特征在于，包括以下步骤： S1：获取植物叶片三维点云数据集并进行预处理； S2：建立叶片点云补全网络； 所述叶片点云补全网络包括：依次连接的编码器和解码器； 所述编码器包括：依次连接的升采样模块、降采样模块和多层注意力融合模块；编码器的多层注意力融合模块包括：第一注意力子模块、第二注意力子模块和卷积融合子模块； 每个所述注意力子模块均包括依次连接的：若干个结构相同的OffSet-Transformer块，以及卷积块；每个所述OffSet-Transformer块的输入还分别与卷积块的输入连接； 每个所述OffSet-Transformer块中，输入数据分别经过并列设置的3个第一多层感知机MLP后，对应获取数据1、数据2和数据3；将数据2进行矩阵转置操作后与数据1进行矩阵相乘操作，获取数据4；将数据4经过Softmax运算后的结果记为数据5；将数据5的第二维度进行求和操作，获取数据6；将数据5与数据6进行矩阵相除操作，获取数据7；将所述数据3和数据7进行矩阵相乘操作后获取数据8；将输入数据与数据8进行矩阵相减操作后，获取数据9；将所述数据9依次经过第二多层感知机MLP和第一批归一化BN层后，获取数据10；将所述输入数据与数据10进行矩阵相加，获取所述OffSet-Transformer块的输出数据；所述输入数据、数据1~10，以及输出数据均为三维向量； 所述卷积块包括依次连接的：第三多层感知机MLP、第二批归一化BN层和ReLU激活函数层； 所述卷积融合子模块包括：第四多层感知机MLP； S3：将预处理后的植物叶片三维点云数据集输入建立的叶片点云补全网络中，利用预设的总损失函数引导所述叶片点云补全网络进行迭代训练，获取训练好的叶片点云补全网络； 所述预设的总损失函数包括：边缘损失函数和整体损失函数； S4：获取待补全的植物叶片点云，将待补全的植物叶片点云输入训练好的叶片点云补全网络中进行补全，完成植物叶片点云的补全。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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。