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！

龙图腾网恭喜南昌大学申请的专利一种基于锚点检测的点云补全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：CN114359510B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202111504436.0，技术领域涉及：G06T17/20；该发明授权一种基于锚点检测的点云补全方法是由邹艳妮;张怡睿;徐嘉伯;刘小平;刘捷设计研发完成，并于2021-12-10向国家知识产权局提交的专利申请。

本一种基于锚点检测的点云补全方法在说明书摘要公布了：本发明属于点云补全技术领域，涉及一种基于锚点检测的点云补全方法，该方法首先使用局部删除操作对数据集做预处理，从而模拟不完整的点云；然后将点云所在空间划分为多个锚点，训练神经网络判断锚点的正负性，得到密度均匀，形状规整的正样本锚点；最后在正样本锚点的邻域内通过神经网络生成密集点云，实现由单一锚点向局部的扩散，完成点云的补全。为实现该方法，我们训练了与之适配的GCNet模型，该神经网络模型能够判断锚点的正负性以及生成锚点扩散的三维坐标信息，实现了端到端的点云补全，并解决了现有方法只依靠神经网络回归生成点云坐标而导致的补全效果不佳的问题，提高了点云补全的效果。

本发明授权一种基于锚点检测的点云补全方法在权利要求书中公布了：1.一种基于锚点检测的点云补全方法，其特征在于：包括以下步骤：S1、数据集获取与数据预处理：获取点云公共数据集ShapeNet，使用局部删除操作，在完整点云数据中删除局部点云，以此构建不完整点云；S2、神经网络模型构建：基于由粗略到精细的点云补全思想，先通过锚点的正负性判断得出形状规整密度均匀的稀疏点云，再由稀疏点云的扩散得到密集点云，为实现该思想构建GCNet网络模型；S3、模型训练与模型保存：使用Adam优化器训练网络，降低损失函数，提高点云补全效果，当模型的损失函数趋于稳定后，保存模型；所述步骤S2中，所述通过锚点的正负性判断得出形状规整密度均匀的稀疏点云中，在负样本中只选取正样本数量的三倍用于训练；此外，在选中的负样本中，通过设置阈值d，进一步将负样本划分为难训练负样本和易训练负样本，距离小于阈值d的为难训练负样本；大于阈值d的易训练负样本，其中难训练负样本与易训练负样本的数量比为2：1；所述步骤S2中，所述由稀疏点云的扩散得到密集点云中，在稀疏点云的基础上通过神经网络生成各正锚点邻域内的点云坐标，并通过tanh限制邻域的最大范围，使其不超过两个锚点间距的一半；所述步骤S2中，所述GCNet包含编码器与解码器两部分，所述编码器部分的具体目标是：提取输入的不完整点云的坐标特征；所述编码器部分的具体结构是：输入点云坐标首先通过一层卷积层，得到点云的特征向量，接着将点云所在空间划分为w×w×w个锚点，锚点所对应的网格内的向量取平均，以此实现特征的网格结构化，最后通过3D卷积和残差连接提取高维特征；所述解码器部分的具体目标是：通过解码器部分提取的高维特征生成缺失部分的点云坐标；所述解码器部分的具体结构是：输入的高维特征首先通过3D转置卷积，实现特征的上采样，用于预测锚点的正负性和正锚点邻域内的扩散点云坐标信息，生成最终的完整点云。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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”。