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！

龙图腾网恭喜中国人民解放军国防科技大学申请的专利基于多尺度点云特征融合的运动小目标事件流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：CN115984331B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202310102496.2，技术领域涉及：G06V10/80；该发明授权基于多尺度点云特征融合的运动小目标事件流分割方法是由李淼;凌强;肖超;林再平;曾瑶源;盛卫东;安玮设计研发完成，并于2023-02-13向国家知识产权局提交的专利申请。

本基于多尺度点云特征融合的运动小目标事件流分割方法在说明书摘要公布了：本发明公开了基于多尺度点云特征融合的运动小目标事件流分割方法，应用于动态视觉传感器数据处理，包括：将事件流数据切分成事件点云；对事件点云进行最远点采样、特征学习和拼接处理后，得到第一局部特征；采用点云自注意力机制对第一局部特征进行特征强化形成第二局部特征；对第二局部特征进行基于融合权重的下采样，在多层感知机中进行特征学习后拼接，再进行一体化特征学习，形成全局特征；将以上特征和事件点云进行连续插值上采样后，通过跳跃链接获得多层混合特征，对多层混合特征进行最大池化操作得到最终一维可信度，再进行逐点分割获得目标事件点。本发明实现了不依赖人工先验信息条件下运动小目标的精准分割。

本发明授权基于多尺度点云特征融合的运动小目标事件流分割方法在权利要求书中公布了：1.基于多尺度点云特征融合的运动小目标事件流分割方法，其特征在于，包括：获取动态视觉传感器输出的事件流数据，按预设时间间隔将所述事件流数据切分成若干个事件点云；选取任意一个所述事件点云进行最远点采样，形成3类尺度不同的第一子事件点云，利用多层感知机对所述第一子事件点云进行特征学习后，进行多尺度特征拼接，形成第一局部特征；通过点云神经网络训练获得、、三个权重矩阵，通过公式、、，获得自注意力矩阵Q，K和V，并通过计算得到第二局部特征；其中，是所述第一局部特征，是归一化指数函数，是所述点云神经网络训练中隐藏层的维度；对所述第二局部特征进行基于融合权重的下采样，形成2类尺度不同的第二子事件点云，所述第二子事件点云在所述多层感知机中完成特征学习后，进行所述多尺度特征拼接，获得第三局部特征；对所述第三局部特征进行一体化特征学习，形成全局特征；根据所述全局特征、所述第三局部特征、所述第二局部特征和所述事件点云进行连续插值上采样后，通过跳跃链接获得多层混合特征，并且对所述多层混合特征进行最大池化操作，获得最终一维可信度，对所述最终一维可信度进行逐点分割获得目标事件点；其中，所述根据所述全局特征和所述第一局部特征、所述第二局部特征和所述第三局部特征进行连续插值上采样后，通过跳跃链接获得多层混合特征，并且通过最大池化操作，获得最终一维可信度，最后通过对所述最终一维可信度进行逐点分割获得目标事件点，包括：对所述全局特征进行点云上采样后，使所述全局特征的点数目与所述第三局部特征的点数目相同，并将二者进行所述跳跃链接，调用所述多层感知机学习，获得第一混合特征；所述第一混合特征进行所述点云上采样后，使所述第一混合特征的点数目与所述第二局部特征的点数目相同，并将二者进行所述跳跃链接，调用所述多层感知机学习，获得第二混合特征；所述第二混合特征进行所述点云上采样后，使所述第二混合特征点数目与所述事件点云点的数目相同，并将二者进行所述跳跃链接，调用所述多层感知机学习，获得第三混合特征；所述第三混合特征进行所述最大池化操作得到所述事件点云的所述最终一维可信度；对所述最终一维可信度进行逐点分割获得所述目标事件点。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。