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！

龙图腾网获悉南京理工大学申请的专利基于对比学习和视角对齐的三维视觉定位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：CN119600099B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411520772.8，技术领域涉及：G06T7/73；该发明授权基于对比学习和视角对齐的三维视觉定位方法是由谢晋;徐灿;钱建军设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于对比学习和视角对齐的三维视觉定位方法在说明书摘要公布了：本发明公开了一种基于对比学习和视角对齐的三维视觉定位方法，包括：学习输入文本的特征，原始三维场景中物体的基于属性引导的点云特征，角度变换后三维场景中的物体的基于属性引导的点云特征；利用自对比损失和跨模态对比损失训练视角内对比网络对齐文本特征和物体原始点云特征对，对齐文本特征和特定视角下的物体点云特征对，获得原始场景和随机视角下场景中物体的多模态特征；利用跨视角对比损失训练跨视角对比网络，对齐不同视角下的物体多模态特征；利用定位一致性损失和定位损失训练视觉定位网络，对齐不同视角下物体定位置信度。在推理时，对于查询文本和原始点云，从预测的视觉定位结果中选择置信度最高的物体作为最终定位结果。本发明通过专注特定视角内和跨视角的物体点云特征的对齐来提升对涉及对视角相关的文本描述的理解，并提升对三维视觉定位的准确性和对视角变化的鲁棒性。

本发明授权基于对比学习和视角对齐的三维视觉定位方法在权利要求书中公布了：1.一种基于对比学习和视角对齐的三维视觉定位方法，其特征在于，包括以下步骤： 步骤1：单模态特征抽取，包括给定语言描述的文本特征、原始点云中基于属性引导的物体点云特征、旋转随机角度后基于属性引导的物体点云特征； 步骤2：基于获取的物体原始点云特征和文本特征对，视角变换后的物体点云特征和文本特征对，利用自对比损失和跨模态对比损失训练视觉内对比网络，分别获得原始的物体多模态特征和随机视角变换后物体的多模态特征； 所述步骤2的实现过程为： 步骤2.1：对于生成的N个物体候选区域，计算其与真实物体的交并比；选择交并比大于0.5的候选区域作为正样本集合Opos，其余的候选区域为负样本集合Oneg； 步骤2.2：利用自对比损失增强每个候选区域的基于属性引导的点云特征，其鼓励正样本集合中不同候选区域的点云特征在特征空间中靠近，同时拉远负样本集合中不同候选区域的点云特征在特征空间的距离，其具体过程为： 其中，sim为点积计算操作，τ＝0.1是控制相似度的超参数，是第oi个候选区域的属性引导的点云特征； 步骤2.3：利用跨模态对比损失对齐每个候选区域基于属性引导的点云特征和文本特征，鼓励基于属性引导的点云特征与文本特征靠近的同时，也鼓励文本特征与基于属性引导的点云特征靠近，其具体过程为： 步骤2.4：基于步骤2.3中增强后的文本特征和物体点云特征，计算两者的交叉注意力来生成候选区域的多模态特征同样的，计算视角变换后的候选区域的多模态特征 步骤3：基于步骤2中获得的原始多模态特征和视角变换后的多模态特征，利用跨视角对比损失对齐不同视角下的物体多模态特征； 利用跨视角对比损失对齐物体的原始多模态特征Es和视角变换后的多模态特征其具体过程为： 步骤4：基于步骤3中获得的不同视角下的物体多模态特征预测视觉定位结果，利用定位一致性损失和定位损失训练视觉定位网络，对齐不同视角下物体定位置信度； 步骤5：对于查询文本和点云，利用训练好的视觉定位网络得到不同物体的定位置信度，选择置信度最高的物体作为三维视觉定位结果。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。