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！

龙图腾网恭喜浪潮云洲工业互联网有限公司;清华大学申请的专利基于注意力机制的局部感知点云表示学习预训练方法及装置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：CN119418143B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202510033344.0，技术领域涉及：G06V10/764；该发明授权基于注意力机制的局部感知点云表示学习预训练方法及装置是由武红强;余嘉玮;上官文;王少华;黄必清设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本基于注意力机制的局部感知点云表示学习预训练方法及装置在说明书摘要公布了：本申请公开了基于注意力机制的局部感知点云表示学习预训练方法及装置，涉及点云表示学习技术领域，包括：通过对三维模型表面进行点云数据采样确定预训练数据集；预训练数据集为点云形状的数据集；基于转换器模型结构及预设局部感知自注意力机制确定待训练模型，利用待训练模型、掩码建模的预训练策略对预训练数据集进行数据处理；基于数据处理结果、待训练模型进行局部与全局的特征提取，利用特征提取结果及待训练模型中的密度感知倒角距离损失计算机制确定训练损失，得到预训练后模型；采集目标产品的点云数据确定微调数据集，利用预训练后模型及微调数据集进行特征提取与点云分类，完成微调，得到目标模型。本申请提高了点云特征提取的质量。

本发明授权基于注意力机制的局部感知点云表示学习预训练方法及装置在权利要求书中公布了：1.一种基于注意力机制的局部感知点云表示学习预训练方法，其特征在于，包括：通过对三维模型的表面进行点云数据采样，以确定相应的预训练数据集；所述预训练数据集为点云形状的数据集；基于转换器模型结构以及预设局部感知自注意力机制确定待训练模型，利用所述待训练模型、掩码建模的预训练策略依次对所述预训练数据集进行数据的分组、嵌入，并对嵌入处理后的点云数据进行随机掩码，以得到点云数据处理结果；基于所述待训练模型、所述预训练策略以及所述点云数据处理结果进行局部与全局的特征提取，并利用得到的特征提取结果以及所述待训练模型中的密度感知倒角距离损失计算机制确定训练损失，以得到预训练后模型；通过采集目标产品的点云数据确定微调数据集，并利用所述预训练后模型以及所述微调数据集进行特征提取与点云分类，以基于得到的分类结果完成模型微调操作，并得到目标模型；其中，所述利用所述待训练模型、掩码建模的预训练策略依次对所述预训练数据集进行数据的分组、嵌入，并对嵌入处理后的点云数据进行随机掩码，包括：基于所述待训练模型、最远点采样策略以及预设分组数从所述预训练数据集中确定对应数量的采样点，并利用K近邻算法确定各所述采样点的近邻点，以完成相应的点云数据分组操作，并得到分组结果；针对所述分组结果中的任一点云组，通过所述待训练模型中的多层线性映射层、拼接层以及最大值池化层组合将对应的点云坐标映射至特征空间，以完成点云嵌入操作，并得到各所述点云组的嵌入特征向量；基于预设比例对所述分组结果中的各所述点云组进行随机掩码，以得到相应的随机掩码结果；基于所述随机掩码结果以及各所述点云组的所述嵌入特征向量确定点云数据处理结果；所述基于所述待训练模型、所述预训练策略以及所述点云数据处理结果进行局部与全局的特征提取，包括：基于所述待训练模型以及所述随机掩码结果确定未掩码点云组与已掩码点云组；针对所述未掩码点云组中的任一数据点，基于K近邻算法确定与当前数据点对应的邻域点，并在对应的局部邻域区域利用自注意力机制对当前数据点以及所述邻域点确定与当前数据点对应的局部特征；基于下采样算子对所述未掩码点云组进行下采样，并利用自注意力机制对当前数据点以及得到的下采样结果确定与当前数据点对应的全局特征；对与当前数据点对应的所述局部特征以及所述全局特征进行拼接，并利用归一化指数函数对得到的拼接后特征进行加权处理，以完成特征融合操作，并得到与当前数据点对应的融合后特征。

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浪潮云洲工业互联网有限公司;清华大学，其通讯地址为：250101 山东省济南市高新区浪潮路1036号浪潮科技园S02号楼19层；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”。