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！

龙图腾网恭喜西南交通大学申请的专利一种基于随机采样的点云数据处理方法、装置设备及介质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：CN119339091B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411884912.X，技术领域涉及：G06V10/26；该发明授权一种基于随机采样的点云数据处理方法、装置设备及介质是由陈曦;杨柳;马征;包涵;陈美吉;范平志设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种基于随机采样的点云数据处理方法、装置设备及介质在说明书摘要公布了：本发明提供了一种基于随机采样的点云数据处理方法、装置设备及介质，涉及点云分析技术领域，所述方法包括获取原始点云信息；根据所述原始点云信息进行特征编码处理，基于随机采样的下采样操作获取深层次特征得到编码信息；对所述编码信息进行特征解码处理，基于多维度的插值拼接与转置卷积操作得到解码信息；基于所述解码信息构建得到点云语义分割模型，并使用点云语义分割模型对所述原始点云信息进行数据处理，得到点云语义分割结果。本发明解决了现有的点云语义分割模型在对宏大场景下的点云数据中存在处理时间慢、参数量多和分割性能不高的问题，以及在标签数量具有显著差异的情况下，存在丢失模型对小数量标签的语义分割精度的问题。

本发明授权一种基于随机采样的点云数据处理方法、装置设备及介质在权利要求书中公布了：1.一种基于随机采样的点云数据处理方法，其特征在于，包括：获取原始点云信息；根据所述原始点云信息进行特征编码处理，基于随机采样的下采样操作获取深层次特征得到编码信息；对所述编码信息进行特征解码处理，基于多维度的插值拼接与转置卷积操作得到解码信息；基于所述解码信息构建得到点云语义分割模型，并使用点云语义分割模型对所述原始点云信息进行数据处理，得到点云语义分割结果；所述根据所述原始点云信息进行特征编码处理，基于随机采样的下采样操作获取深层次特征得到编码信息，包括：根据所述原始点云信息构建编码器，所述编码器包括多个依次连接的编码层，所述编码层包括依次连接的编码模块和采样模块；通过每个编码层将输入的特征信息进行编码和下采样，得到每个编码层输出的编码特征信息；将每个编码层输出的编码特征信息共同作为编码器输出的编码信息；所述通过每个编码层将输入的特征信息进行编码和下采样，得到每个编码层的编码特征信息，包括：将每个编码层输入的特征信息分别通过两个共享多层感知机进行特征变换，得到第一变换信息和第二变换信息；将所述原始点云信息和所述第一变换信息通过局部坐标注意力进行位置编码以获取注意力权重，得到第一增强信息；将所述第一增强信息通过共享多层感知机进行特征变换，得到第三变换信息；将所述第一增强信息依次通过位置绑定模块和注意力池化进行位置信息强化，得到第二增强信息；将所述第三变换信息和所述第二增强信息进行拼接，得到第一拼接信息，将所述第一拼接信息依次通过激活函数计算和归一化处理，得到第一特征信息；将所述第一特征信息依次通过位置绑定模块和注意力池化进行位置信息强化，得到第三增强信息；将所述第一特征信息通过共享多层感知机进行特征变换，得到第四变换信息；将所述第四变换信息和所述第三增强信息进行特征拼接后，依次通过激活函数计算、归一化处理和共享多层感知机进行特征变换，得到第五变换信息；将所述第五变换信息和所述第二变换信息进行特征拼接后，通过激活函数计算和归一化处理，得到点云编码信息，其中，将所述点云编码信息作为该编码层对应编码模块的输出特征信息；将所述点云编码信息通过该编码层的采样模块进行随机下采样，得到该编码层的编码特征信息；所述通过局部坐标注意力进行位置编码以获取注意力权重的具体步骤为：获取第一输入特征信息和第二输入特征信息，所述第一输入特征信息和第二输入特征信息均为局部坐标注意力输入的特征信息，所述第二输入特征信息为原始点云信息；获取第一输入特征信息中每个点的第一邻点信息；基于第一邻点信息计算每个点与邻点的相对坐标信息和欧几里得距离；根据三角函数和第一邻点信息计算每个点多个维度的位置编码；获取第二输入特征信息中每个点的坐标信息和第二邻点信息；基于每个点的第一邻点信息、相对坐标信息、欧几里得距离和位置编码，构建多个局部块的局部坐标编码，每个所述局部块由一个点和对应的邻点构成；基于所述局部坐标编码、所述第二邻点信息和所述坐标信息对每个点进行逐点特征变换，得到第一变换特征信息，所述第一变换特征信息包括每个点对应局部块的注意力权重；将第一变换特征信息和第一输入特征信息进行拼接后，进行激活函数计算和归一化处理，得到局部坐标注意力输出的特征信息；所述通过位置绑定模块和注意力池化进行位置信息强化的具体步骤为：获取第三输入特征信息中每个点的第三邻点信息，所述第三输入特征信息为位置绑定模块输入的特征信息；将所述局部坐标编码通过共享多层感知机转换特征维度，得到特征转换信息；将所述第三邻点信息和所述特征转换信息进行拼接，得到拼接邻点信息，所述拼接邻点信息为位置绑定模块输出的特征信息；将所述拼接邻点信息依次通过线性变换和归一化指数函数进行计算，得到第二变换特征信息；将所述第二变换特征信息和所述拼接邻点信息依次进行点乘操作和求和操作，得到特征融合信息；将所述特征融合信息通过共享多层感知机扩展特征维度，得到强化特征信息，所述强化特征信息为注意力池化输出的特征信息；所述对所述编码信息进行特征解码处理，基于多维度的插值拼接与转置卷积操作得到解码信息，包括：基于所述编码器构建解码器，所述解码器包括多个依次连接的解码层，每个所述解码层与一个编码层一一对应；将每个解码层的第四输入特征信息通过近邻插值进行上采样，得到该解码层的第一解码特征信息，所述第四输入特征信息为该解码层对应的上一解码层输出的特征信息；将每个解码层的第一解码特征信息与该解码层的第五输入特征信息进行拼接后，进行转置卷积操作，得到该解码层的第二解码特征信息，所述第二解码特征信息为该解码层输出的特征信息，所述第五输入特征信息为该解码层对应编码层输出的编码特征信息；将最后一层解码层的第二解码特征信息作为解码器输出的解码信息。

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西南交通大学，其通讯地址为：610031 四川省成都市金牛区二环路北一段111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”。