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！

龙图腾网获悉中国矿业大学;燕园智能科技(徐州)有限公司申请的专利一种地下空间多视角跨模态3D点云数据融合探测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：CN120107324B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510599986.7，技术领域涉及：G06T7/33；该发明授权一种地下空间多视角跨模态3D点云数据融合探测方法是由赵作鹏;姚欣茹;李露;雅可;赵强设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本一种地下空间多视角跨模态3D点云数据融合探测方法在说明书摘要公布了：本发明公开了一种地下空间多视角跨模态3D点云数据融合探测方法，首先从不同的视角和方位采集地下空间的三维点云数据；然后对采集的三维点云数据进行数据配准；然后提取局部特征点、并剔除动态物体，进行特征处理与地图构建；然后将提取的特征输入弹性池化层，处理不同粒度的特征；然后将提取到的特征输入到自监督学习模块中，通过未标注的点云数据进行自监督学习，迭代生成填补缺失的点云数据；最后通过实例特征聚合来改进跨模态匹配之前的对齐过程。本发明能够实现将在复杂地下环境中获取的三维数据进行有效融合，进而实现提升地下空间探测的准确性和可靠性，可以为实现复杂地下环境中的高精度探测与三维建模提供理论基础和数据支持。

本发明授权一种地下空间多视角跨模态3D点云数据融合探测方法在权利要求书中公布了：1.一种地下空间多视角跨模态3D点云数据融合探测方法，其特征在于，具体包括以下步骤： Step1，通过多个不同位置的激光雷达传感器和视觉传感器，从不同的视角和方位采集地下空间的三维点云数据； Step2，采用改进后的Transformer模块对Step1采集的三维点云数据进行数据配准，包括设计一种跨时段时序深度融合网络CP-FusionNet、并引入分层密集正监督方法优化配准过程；具体过程如下： Step2-1，改进Transformer模块：将Transformer中的自注意力机制中的多头注意力模块分解为SpatialHeads和TemporalHeads两部分； SpatialHeads的注意力计算如下： ； 式中：分别为空间维度上的查询特征向量、键特征向量和值特征向量；为空间维度上的结果特征向量，且其维度dim为，其中n为空间维度上的token数量、d为每个token的空间维度； TemporalHeads的注意力计算如下： ； 式中：分别为时间维度上的查询特征向量、键特征向量和值特征向量；为时间维度上的结果特征向量，且其维度dim为，其中N为时间维度上的token数量、D为每个token的时间维度； 将SpatialHeads和TemporalHeads两部分合并，线性映射得到最终结果： ； 式中：Y为结果特征向量；为全连接层的权重矩阵； Step2-2，引入分层密集正监督方法优化配准过程： 对于深层融合匹配特征，通过两个3D点云解码器分别得到3D点云信息和位姿信息，3D点云解码器使用多尺度的方式，公式如下： ； 式中：Conv为卷积操作；s为尺度比例集合； 得到3D点云信息，H为当前帧宽，W为当前帧高，对于每个像素点，得到其三维坐标； 考虑旋转角度偏移量，首先将区间[-180°,180°]划分为k个长度为l的子区间集合；然后将卷积得到的特征向量通过softmax函数求解为落在每个区间的期望，最后计算旋转角度偏移量，具体公式如下：；式中：为旋转角度偏移量； Step3，提取局部特征点、并剔除动态物体，进行特征处理与地图构建； Step4，通过稀疏3DU-Net模块提取出3D特征，将U-Net中提取的特征输入弹性池化层，处理不同粒度的特征； Step5，将提取到的特征输入到自监督学习模块中，模型通过数据本身生成标签，通过未标注的点云数据进行自监督学习，迭代生成填补缺失的点云数据； Step6，通过实例特征聚合来改进跨模态匹配之前的对齐过程，以提高配准和建模的精度。

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矿业大学;燕园智能科技(徐州)有限公司，其通讯地址为：221000 江苏省徐州市铜山区大学路1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”。