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！

龙图腾网恭喜泉州装备制造研究所申请的专利一种3D点云物体识别方法、系统、存储介质和产品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：CN119007188B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411484121.8，技术领域涉及：G06V20/64；该发明授权一种3D点云物体识别方法、系统、存储介质和产品是由巢建树;骆水才;方鸿清设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本一种3D点云物体识别方法、系统、存储介质和产品在说明书摘要公布了：本发明涉及3D物体识别领域，具体涉及一种3D点云物体识别方法、系统、存储介质和产品，S1：构建点云数据集；S2：将点云数据集划分为不重叠的元训练数据集和元测试数据集，元训练数据集包括B个样本；S3：构建包括并行的动态图卷积网络和全局特征提取网络的双网嵌入模型；S4：将B个样本输入到双网嵌入模型，进行训练得到B*1024的嵌入向量；S5：采用表示增强算法模块对B*1024的嵌入向量进行加权操作，获得增强原型向量和增强查询向量；S6：分别计算增强原型向量和增强查询向量的距离，将增强查询向量对应的查询样本分类到距离最近的增强原型向量所在的类别；使得各类原型向量向其同类查询向量中心靠拢，同时使得各类查询向量向其原型向量逼近。

本发明授权一种3D点云物体识别方法、系统、存储介质和产品在权利要求书中公布了：1.一种3D点云物体识别方法，其特征在于：包括如下依次执行的步骤：S1：采集物体的点云数据，并对点云数据进行采样以构建点云数据集；S2：采用度量学习框架将采样后的点云数据集划分为不重叠的元训练数据集和元测试数据集，训练和测试的单批次输入样本均包括B个样本,B个样本中包含K*C个支撑样本和K*Q个查询样本；S3：在嵌入网络上构建双网嵌入模型，双网嵌入模型包括并行的动态图卷积网络和全局特征提取网络，分别侧重于点云的局部特征提取和全局特征提取，动态图卷积网络包括第一拼接模块、第一最大池化模块和多个EdgeConv模块，全局特征提取网络包括第二拼接模块、复制模块、两个第二最大池化模块和多层感知机模块；S4：将步骤S2划分的B个样本输入到双网嵌入模型，动态图卷积网络对B个样本进行特征提取，得到B*512的局部特征XD，全局特征提取网络对B个样本进行特征提取，得到B*512的全局特征XG，将XD和XG进行拼接，得到B*1024的嵌入向量；S5：在分类器上设计表示增强算法模块对B*1024的嵌入向量进行加权操作，表示增强算法模块的具体操作如下：S5-1：从B*1024的嵌入向量中，分离出J个查询向量，J=K*Q，获得查询向量矩阵QQ=J*1024；S5-2：从B*1024的嵌入向量中，分离出K*C个支撑向量，将同一类别里的C个支撑向量即C*1024取平均值，使得每一个类别得到一个原型向量，K个类别共有K个原型向量，得到原型向量矩阵SS=K*1024，然后计算这K个原型向量和J个查询向量的距离，得到距离矩阵D=K*J；S5-3：对于原型向量的增强过程：根据距离矩阵D=K*J，分别得到K个原型向量最近的M个索引，然后从查询向量矩阵QQ=J*1024中提取出对应的J个查询向量，得到QM矩阵，然后将QM矩阵通过多层感知机模块进行特征融合，之后将融合后的矩阵在后两个维度上进行调换，得到增强权重Ws，将原型向量矩阵SS=K*1024扩展后和增强权重Ws相乘，并在最后一个维度取均值，得到增强原型向量；S5-4：对于查询向量的增强过程：将距离矩阵D=K*J转置为距离矩阵DT=J*K，分别得到距J个查询向量最近的H个索引，然后从原型向量矩阵SS=K*1024中提取出对应的原型向量，得到SH矩阵，然后将SH矩阵通过多层感知机进行特征融合，并将融合后的矩阵在后两个维度上进行调换，得到增强权重WQ，将查询向量矩阵QQ=J*1024扩展后和增强权重WQ相乘，并在最后一个维度取均值，得到增强查询向量；S6：采用欧式距离分别计算增强查询向量和增强原型向量的距离，将增强查询向量对应的查询样本分类到距离最近的增强原型向量所在的类别。

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泉州装备制造研究所，其通讯地址为：362100 福建省泉州市台商投资区洛阳镇上浦村吉贝511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”。