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基于跨空间图卷积变换的三维点云场景细粒度理解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：CN117197460B 。

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：202311165534.5，技术领域涉及：G06V10/26；该发明授权基于跨空间图卷积变换的三维点云场景细粒度理解方法是由贾金原;黄欣设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本基于跨空间图卷积变换的三维点云场景细粒度理解方法在说明书摘要公布了：本发明提供了一种基于跨空间图卷积变换的三维点云场景细粒度理解方法，首先，采用自适应算子学习点云局部特征，利用可学习的权重因子衡量不同空间信息，构造跨空间的特征表示；然后，进一步地建模各点之间的长期依赖关系，提出了通道交互模块，利用高阶泰勒展开式原理构造逐个通道的特征重要性值，去掉特征之间的冗余信息，建立各点之间的全局依赖，获得高阶细粒度特征表示；最后，对特征进行解码输出，获得三维点云场景的种类和细粒度的语义部分。本方法具有模型参数少和运行内存小等优势，具有较好的场景目标识别率，可视化结果证实了高阶特征交互的有效性，能够捕获细粒度的语义特征，分割出场景的细节部分。

本发明授权基于跨空间图卷积变换的三维点云场景细粒度理解方法在权利要求书中公布了：1.一种基于跨空间图卷积变换的三维点云场景细粒度理解方法，其特征在于，包括以下步骤：S1，对于输入的三维点云，通过k近邻算法构造各点的邻域图结构，分别在三维坐标空间和语义特征空间动态地建立局部结构图，在三维坐标空间，采用局部自适应图卷积算子计算学习空间几何信息，在语义特征空间，通过局部自适应图卷积算子学习语义信息，最后将空间几何和语义信息进行交叉融合；S2，在局部结构图的基础上，建立不同空间的特征交互模块，采用可学习的门控权重因子λ，权衡几何与语义特征；S3，在跨空间特征表示的基础上，提出通道交互模块，用于建模逐个通道的特征，去掉冗余信息，得到鲁棒的特征表示；通过堆叠多个图卷积变换GCTBlock模块来捕获高阶细粒度的特征信息，最后用多层感知机对高阶特征进行解码，输出得到概率分布得分，取最大概率值作为识别结果；其中，用多层感知机对高阶特征进行解码，输出得到概率分布得分，取最大概率值作为识别结果，具体包括：通过多层感知机解码高阶特征，得到场景目标识别的概率分布得分，以最大的种类概率输出作为该场景目标的类别，以单点最大概率输出作为该点的语义结果输出；其中，所述步骤S1，从每个点出发，采用k近邻算法得到相近k个邻域点，构造中心点的局部结构图，并通过边连接模块得到与邻域点的差值特征，再经过局部自适应图卷积算子对差值特征进行编码学习，分析得到局部邻域的边特征，通过最大池化采样方法得到该中心点的特征表示；具体包括：S1.1，对输入的三维点云构造k近邻局部结构图：针对输入的三维点云，采用k近邻算法计算最近的k个邻域点，构造中心点与其邻域点的局部结构图，即生成k近邻局部结构图；S1.2，对局部结构图进行局部边特征分析：对于生成的k近邻局部结构图，通过中心点与邻域点的差向量方式计算初始的边特征，再输入到局部自适应图卷积算子中，学习高阶特征编码表示；S1.3，局部邻域特征的交叉融合分析：在三维坐标空间和语义特征空间，学习几何和语义数据流向的局部特征，再通过点积方式进行交叉融合，分别得到几何特征与语义特征。

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：200082 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”。