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！

龙图腾网恭喜温州大学;温州理工学院申请的专利基于动态图注意力的多尺度网络的零件表面点云分割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：CN119180828B 。

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：202411677253.2，技术领域涉及：G06T7/10；该发明授权基于动态图注意力的多尺度网络的零件表面点云分割方法是由张振;汪日伟;王瀚文;葛勇;张志强;黄辉;张楠设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于动态图注意力的多尺度网络的零件表面点云分割方法在说明书摘要公布了：本发明提供基于动态图注意力的多尺度网络的零件表面点云分割方法，包括建立零件表面点云数据集；确定由编码器、解码器和分割头组成并用于零件表面点云分割的多尺度网络模型及其损失函数，并训练多尺度网络模型；获取待测的零件表面点云数据，并导入已训练好的多尺度网络模型中，得到相应的分割类别；其中，编码器包括依序设置的最远点采样层、动态图分组层、位置嵌入层、注意力聚合层和特征更新层；该编码器采用了k近邻算法构建动态图并实现动态分组，且通过注意力聚合机制从动态图中学习点对之间关联性来实现权重分配。实施本发明，能解决现有点云分割方法中深度学习模型在特征聚合方面存在区块不合理、聚合方式单一的问题。

本发明授权基于动态图注意力的多尺度网络的零件表面点云分割方法在权利要求书中公布了：1.基于动态图注意力的多尺度网络的零件表面点云分割方法，其特征在于，所述方法包括以下步骤：建立零件表面点云数据集为；其中，表示点云坐标；表示点云特征；表示点云类别；，其由空间笛卡尔直角坐标系三个元素组成；，表示点坐标、表示法向量、表示颜色；表示样本中点的数量；表示每个点的特征数量；确定由编码器、解码器和分割头组成并用于零件表面点云分割的多尺度网络模型及其损失函数，并基于所述零件表面点云数据集，对所述多尺度网络模型进行训练，以得到训练好的多尺度网络模型；其中，所述编码器包括依序设置的最远点采样层、动态图分组层、位置嵌入层、注意力聚合层和特征更新层，其用于通过所述最远点采样层从所述零件表面点云数据集中选取查询点及对应的查询点特征，并利用所述动态图分组层的点特征近邻算法来确定各查询点的k个近邻支撑点以形成动态图，且在所述位置嵌入层中对各动态图进行点云坐标位置信息嵌入，进一步待通过所述注意力聚合层对各动态图的k个支撑点进行权重分配之后，利用所述特征更新层根据分配后的权重来更新所有动态图中的支撑点特征，以作为低尺度的多个点云特征信息输出；所述解码器用于将所述编码器输出的多个低尺度特征信息进行上采样并与高尺度特征信息融合，以得到多尺度融合的特征信息；所述分割头用于将所述解码器输出的高尺度特征信息映射到具体的类别标签上，以实现对点云数据的分割；获取待测的零件表面点云数据，并将所述待测的零件表面点云数据导入已训练好的多尺度网络模型中，得到待测的零件表面点云数据的分割类别；所述最远点采样层，用于从所述零件表面点云数据集中选取部分点云坐标作为支撑点，并通过贪心算法从各支撑点中选取指定数量的查询点，且进一步基于所述零件表面点云数据集中的点云特征，得到各查询点特征；所述动态图分组层，用于对每一查询点特征均查找k个近邻的支撑点特征来形成该查询点特征图的边，以构建出各查询点的动态图；所述位置嵌入层，用于在各动态图中嵌入查询点特征及其k个近邻的支撑点特征的位置信息；所述注意力聚合层，用于在各动态图中计算查询点到每一支撑点之间相关性系数；所述特征更新层，用于将各动态图中所计算的相关性系数均其对应动态图中k个支撑点特征进行加权融合，以得到各动态图中k个支撑点聚合特征并输出。

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温州大学;温州理工学院，其通讯地址为：325035 浙江省温州市瓯海区梅泉大街586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”。