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！

龙图腾网恭喜同济大学申请的专利一种基于动态聚合的三维点云语义分割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：CN114373104B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202111521800.4，技术领域涉及：G06V10/774；该发明授权一种基于动态聚合的三维点云语义分割方法及系统是由赵生捷;褚徐涛;张林设计研发完成，并于2021-12-13向国家知识产权局提交的专利申请。

本一种基于动态聚合的三维点云语义分割方法及系统在说明书摘要公布了：本发明涉及一种基于动态聚合的三维点云语义分割方法，该方法通过构建包括采样模块、级联的动态聚合模块构成的编码器和特征传播模块构成的解码器的三维点云语义分割模型，通过动态聚合模块对采样模块输出的点云数据进行特征动态聚合输出特征图，并通过特征传播模块传输至全连接层，输出类别。与现有技术相比，本发明具有语义分割精度高的优点。

本发明授权一种基于动态聚合的三维点云语义分割方法及系统在权利要求书中公布了：1.一种基于动态聚合的三维点云语义分割方法，其特征在于，该方法包括以下步骤：步骤S1、获取原始点云数据集并进行预处理；步骤S2、构建三维点云语义分割模型，包括采样模块、级联的动态聚合模块构成的编码器和特征传播模块构成的解码器；通过动态聚合模块对采样模块输出的点云数据进行特征动态聚合输出特征图Fout，并通过特征传播模块传输至全连接层，输出类别；具体包括：步骤S21、对点云数据进行随机降采样处理，将每个场景的点云数量减少至预设点数；步骤S22、采样模块采用K最近邻算法进行数据采样，得到特征图Fin；步骤S23、利用动态聚合模块进行特征聚合，通过权重分支计算每个点对于局部中心点空间特征的联结性，利用函数∈为点云中的每个特征分配不同的权重；通过动态聚合MLP分支，基于动态卷积生成和特征提取聚合，获取输出特征图Fout；具体包括：步骤S231、获取采样模块输出的特征图Fin，取前6维关于空间距离的特征图Fin′，利用多层感知机捕获局部点云块之间的空间信息得到特征图F，其中F＝{fi,j|i＝1,2...N}，i表示局部点云块的数量，j表示每个局部点云块中包含的点云数量；将特征fi,j输入至∈函数计算局部点云块i对其中每个特征的权重∈fi,j；步骤S232、采用高斯分布初始化生成动态卷积Wii＝1,2,…,k，并通过θ函数得到聚合后的动态卷积W：W＝α1W1+…+αkWk其中，权重αii＝1,2,…,k采用Softmax函数生成；步骤S233、将采样模块输出的特征图Fin输入到由聚合后的动态卷积W作为权重的第一多层感知机中，输出Fmid；所述Fmid的输出维度与权重的输出维度相同；步骤S234、在局部点云块中，根据点云与点云之间的空间关系，调整语义特征的特征强度，表达式为：F′mid＝Fmid⊙∈fi,j其中，Fmid为第一个多层感知机的输出，∈fi,j为局部点云块i对其中每个特征的权重；步骤S235、将Fmid′输入到第二多层感知机中，基于学习的方法自适应的调整特征强度，输出特征图Fout；步骤S24、特征传播模块使用基于PointNet++的特征广播算法，将编码器输出的特征图Fout传输至全连接层，输出特征为类别；步骤S3、通过三维点云语义分割模型的损失函数及优化器，对三维点云语义分割模型进行训练优化，逐步调整网络参数；步骤S4、使用验证集对当前三维点云语义分割模型的性能进行评估，如果性能优于之前保存的最佳模型的性能，则保存当前模型为最佳模型，否则重复步骤S2～S3直至训练轮次达到最大训练轮次epoch；得到训练后的三维点云语义分割模型；步骤S5、将测试集输入至训练后的三维点云语义分割模型中，获得每个点的类别预测，得到最终的分割结果。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。