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！

龙图腾网获悉沈阳工业大学申请的专利一种优化边界的三维点云语义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：CN115409989B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202211156241.6，技术领域涉及：G06V10/26；该发明授权一种优化边界的三维点云语义分割方法是由魏东;张潇瀚;朱智睿;刘欢设计研发完成，并于2022-09-22向国家知识产权局提交的专利申请。

本一种优化边界的三维点云语义分割方法在说明书摘要公布了：本发明一种优化边界的三维点云语义分割方法，属于自动驾驶及计算机视觉和深度学习领域，具体涉及一种优化边界的三维点云语义分割方法。其特征在于：该分割方法包括：步骤一的三维点云预处理；步骤二的编码层由局部特征融合模块和随机采样模块组成；步骤三的解码层：将步骤二得到的特征编码作为输入，进行三维点云数量的采样，特征维度与对比边界学习特征维度、编码层逆序跳层送入共享MLP融合特征；在完成特征融合后进行全连接升维，再进行随机失活操作，最后通过共享MLP将维度下降到语义标签数量相同的维度，最终输出三维点云语义分割结果；步骤四的对比边界优化。本发明的目的是为了提高大规模三维点云语义分割的精度的问题。

本发明授权一种优化边界的三维点云语义分割方法在权利要求书中公布了：1.一种优化边界的三维点云语义分割方法，其特征在于：该分割方法包括： 步骤一：三维点云预处理：仅在编码层前进行一次三维点云预处理，将输入的三维点云特征维度通过共享MLP的方式将特征维度定为8维； 步骤二：编码层由局部特征融合模块和随机采样模块组成；其中局部特征融合模块由连续的两组局部空间编码和注意力池化部分组成； 2.1局部空间编码：局部特征编码分为三个部分：寻找局部区域的点、相对点的位置编码、点特征增强； 2.2注意力池化； 通过一个Conv2d和softmax组成的函数来学习每个局部特征点的注意力分数；再将每个局部区域点的特征与每个注意力分数进行点积之后求和，将这个结果输入到由BN和LeakyRelu所组成的共享MLP；此时得到一个特征向量； 步骤三：解码层：将步骤二得到的特征编码作为解码层的输入，进行最近邻差值三维点云数量的采样，特征维度与对比边界学习特征维度、编码层逆序跳层连接送入共享MLP融合特征；在完成特征融合后进行全连接升维，再进行随机失活操作，最后通过共享MLP将维度下降到语义标签数量相同的维度，最终输出三维点云语义分割结果； 步骤四：对比边界优化：对比边界优化采用对比边界学习框架，分为两个模块： 4.1边界子场景挖掘：在不同尺度下的三维点云采样中提取真值标签，每层采样点云数与对应编码层随机采样结果相同；随着三维点云尺度降低会出现边界采样的点具体标签不确定的情况，采用CBL框架中的边界子场景挖掘来确定每层点云的语义标签； 4.2对比边界学习：在模型训练的过程中将每一层的边界点与边界子场景得到的与之对应层的语义标签进行对比学习；对比学习采用InfoNCE损失及其泛化去优化定义边界点的目标函数，使得边界点的最终结果更偏近于来自同一类别的相邻点，最后优化对应解码层三维点云特征。

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沈阳工业大学，其通讯地址为：110870 辽宁省沈阳市铁西区经济技术开发区沈辽西路111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。