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！

龙图腾网获悉杭州电子科技大学申请的专利基于多视角投影轮廓的生成式对抗点云补全网络的方法及系统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：CN119941972B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202411660426.X，技术领域涉及：G06T17/00；该发明授权基于多视角投影轮廓的生成式对抗点云补全网络的方法及系统是由陈庆光;刘嘉锦;张国豪设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本基于多视角投影轮廓的生成式对抗点云补全网络的方法及系统在说明书摘要公布了：本发明公开了基于多视角投影轮廓的生成式对抗点云补全网络的方法及系统，方法如下：S1.采集无自遮挡结构的植株点云；S2.对植株点云进行非刚体变换，获取具有自遮挡情行的植株点云数据，并对点云的分类对应植株部位添加标签；S3.提取每个植株点云的多视角轮廓投影图像，获得完整点云对应的被遮挡区域和未被遮挡区域；S4.将不完整点云输入到多分辨率特征编码器，融合并建立具有缺失区域的特征编码；S5.将不完整点云的特征编码输入点云补全的生成式对抗网络的生成器，预测点云对应的缺失区域；S6.使用真实的缺失区域的多视角投影轮廓对预测结果进行约束，再将约束后的点云送入点云补全的生成式对抗网络的点云和轮廓鉴别器中进行对抗训练，优化网络参数。

本发明授权基于多视角投影轮廓的生成式对抗点云补全网络的方法及系统在权利要求书中公布了：1.基于多视角投影轮廓的生成式对抗点云补全网络的方法，其特征在于，包括以下步骤： S1.采集无自遮挡结构的植株点云； S2.对植株点云进行非刚体变换，获取具有自遮挡情行的植株点云数据，并对点云的分类对应植株部位添加标签； S3.提取每个植株点云的多视角轮廓投影图像，并根据其与虚拟图像采集设备的位置关系获得完整点云对应的被遮挡区域即真实缺失区域点云和未被遮挡区域即不完整点云； S4.将不完整点云输入到多分辨率特征编码器，融合并建立具有缺失区域的特征编码； S5.将不完整点云的特征编码输入点云补全的生成式对抗网络的生成器，预测点云对应的缺失区域； S6.使用真实的缺失区域的多视角投影轮廓对预测结果进行约束，再将约束后的点云送入点云补全的生成式对抗网络的点云鉴别器和轮廓鉴别器中进行对抗训练，优化网络参数； 步骤S4具体包含： S4.1.对输入的不完整点云，利用IFPS算法进行降采样，将每个点云中点的个数降采样为2048、1024、512个，表示由高到低的三种分辨率； S4.2.对不同分辨率的点云使用具有多个全连接层的CMLP提取特征； S4.3.将不同分辨率得到的特征进行级联拼接，输入到多层感知机中提取，最终形成1920维的特征向量； 步骤S5具体包含： S5.1.将多分辨率特征编码得到的1920维特征向量输入到点云补全的生成式对抗网络的生成器中，该生成器对输入的特征向量经过4个全连接线性层以得到维数分别是1024、512、256、256的特征向量； S5.2.将4种不同维数的特征向量分别通过生成器中的不同层，将特征维数为1024的视作第1层，特征维数为512的视作第2层，特征维数为第一个256的视作第3层，特征维数为第二个256的视作第4层； S5.3.第4层和第3层输出大小为的点云，将它们拼接后获得大小为的点云，表示缺失部分的低分辨率预测值，其中： 其中，为生成不同分辨率的点云的点的数量； S5.4.第2层输出大小为的点云，将它与进行拼接后得到大小为的点云，表示缺失部分的中分辨率预测值，其中： 其中，是生成最终的点云的点的数量； S5.5.第1层输出大小为的点云，将它与进行拼接后得到大小为的点云，表示缺失部分的高分辨率预测值； 所述的CMLP、生成器和鉴别器，通过一个多目标损失函数联合进行有监督训练，多目标损失函数如下： 其中，分别为所占的权重，表示预测生成的3种分辨率的点云与真实缺失区域点云的CD损失，表示预测生成的点云与真实缺失区域点云的二元交叉熵损失，表示预测生成的点云多视角投影轮廓与真实缺失区域点云多视角投影轮廓的二元交叉熵损失，具体如下： 其中，分别表示生成的高、低、中分辨率的点云，、分别为低、中分辨率的CD损失所占的权重，表示真实缺失区域的地面真值，、分别表示对真实缺失区域地面真值进行1次、2次IFPS降采样获得的地面真值，表示两个点云之间的CD损失，，表示点云鉴别器，表示生成器，表示属于输入的不完整点云，表示真实缺失区域的点云，表示数据集的大小，分别表示预测生成的点云与真实缺失区域的点云根据虚拟图像采集设备位置的3个视角的投影轮廓的二元交叉熵损失，它们的视角方向向量与坐标轴的互相平行，具体为： 其中，表示预测生成的缺失区域点云，表示真实缺失区域的点云，分别属于中的点，表示投影轮廓鉴别器，输入为二维图像数据。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。