買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜西南交通大學(xué)申請的專利一種基于隨機采樣的點云數(shù)據(jù)處理方法、裝置設(shè)備及介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119339091B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411884912.X，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)一種基于隨機采樣的點云數(shù)據(jù)處理方法、裝置設(shè)備及介質(zhì)是由陳曦;楊柳;馬征;包涵;陳美吉;范平志設(shè)計研發(fā)完成，并于2024-12-20向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于隨機采樣的點云數(shù)據(jù)處理方法、裝置設(shè)備及介質(zhì)在說明書摘要公布了：本發(fā)明提供了一種基于隨機采樣的點云數(shù)據(jù)處理方法、裝置設(shè)備及介質(zhì)，涉及點云分析技術(shù)領(lǐng)域，所述方法包括獲取原始點云信息；根據(jù)所述原始點云信息進行特征編碼處理，基于隨機采樣的下采樣操作獲取深層次特征得到編碼信息；對所述編碼信息進行特征解碼處理，基于多維度的插值拼接與轉(zhuǎn)置卷積操作得到解碼信息；基于所述解碼信息構(gòu)建得到點云語義分割模型，并使用點云語義分割模型對所述原始點云信息進行數(shù)據(jù)處理，得到點云語義分割結(jié)果。本發(fā)明解決了現(xiàn)有的點云語義分割模型在對宏大場景下的點云數(shù)據(jù)中存在處理時間慢、參數(shù)量多和分割性能不高的問題，以及在標簽數(shù)量具有顯著差異的情況下，存在丟失模型對小數(shù)量標簽的語義分割精度的問題。

本發(fā)明授權(quán)一種基于隨機采樣的點云數(shù)據(jù)處理方法、裝置設(shè)備及介質(zhì)在權(quán)利要求書中公布了：1.一種基于隨機采樣的點云數(shù)據(jù)處理方法，其特征在于，包括：獲取原始點云信息；根據(jù)所述原始點云信息進行特征編碼處理，基于隨機采樣的下采樣操作獲取深層次特征得到編碼信息；對所述編碼信息進行特征解碼處理，基于多維度的插值拼接與轉(zhuǎn)置卷積操作得到解碼信息；基于所述解碼信息構(gòu)建得到點云語義分割模型，并使用點云語義分割模型對所述原始點云信息進行數(shù)據(jù)處理，得到點云語義分割結(jié)果；所述根據(jù)所述原始點云信息進行特征編碼處理，基于隨機采樣的下采樣操作獲取深層次特征得到編碼信息，包括：根據(jù)所述原始點云信息構(gòu)建編碼器，所述編碼器包括多個依次連接的編碼層，所述編碼層包括依次連接的編碼模塊和采樣模塊；通過每個編碼層將輸入的特征信息進行編碼和下采樣，得到每個編碼層輸出的編碼特征信息；將每個編碼層輸出的編碼特征信息共同作為編碼器輸出的編碼信息；所述通過每個編碼層將輸入的特征信息進行編碼和下采樣，得到每個編碼層的編碼特征信息，包括：將每個編碼層輸入的特征信息分別通過兩個共享多層感知機進行特征變換，得到第一變換信息和第二變換信息；將所述原始點云信息和所述第一變換信息通過局部坐標注意力進行位置編碼以獲取注意力權(quán)重，得到第一增強信息；將所述第一增強信息通過共享多層感知機進行特征變換，得到第三變換信息；將所述第一增強信息依次通過位置綁定模塊和注意力池化進行位置信息強化，得到第二增強信息；將所述第三變換信息和所述第二增強信息進行拼接，得到第一拼接信息，將所述第一拼接信息依次通過激活函數(shù)計算和歸一化處理，得到第一特征信息；將所述第一特征信息依次通過位置綁定模塊和注意力池化進行位置信息強化，得到第三增強信息；將所述第一特征信息通過共享多層感知機進行特征變換，得到第四變換信息；將所述第四變換信息和所述第三增強信息進行特征拼接后，依次通過激活函數(shù)計算、歸一化處理和共享多層感知機進行特征變換，得到第五變換信息；將所述第五變換信息和所述第二變換信息進行特征拼接后，通過激活函數(shù)計算和歸一化處理，得到點云編碼信息，其中，將所述點云編碼信息作為該編碼層對應(yīng)編碼模塊的輸出特征信息；將所述點云編碼信息通過該編碼層的采樣模塊進行隨機下采樣，得到該編碼層的編碼特征信息；所述通過局部坐標注意力進行位置編碼以獲取注意力權(quán)重的具體步驟為：獲取第一輸入特征信息和第二輸入特征信息，所述第一輸入特征信息和第二輸入特征信息均為局部坐標注意力輸入的特征信息，所述第二輸入特征信息為原始點云信息；獲取第一輸入特征信息中每個點的第一鄰點信息；基于第一鄰點信息計算每個點與鄰點的相對坐標信息和歐幾里得距離；根據(jù)三角函數(shù)和第一鄰點信息計算每個點多個維度的位置編碼；獲取第二輸入特征信息中每個點的坐標信息和第二鄰點信息；基于每個點的第一鄰點信息、相對坐標信息、歐幾里得距離和位置編碼，構(gòu)建多個局部塊的局部坐標編碼，每個所述局部塊由一個點和對應(yīng)的鄰點構(gòu)成；基于所述局部坐標編碼、所述第二鄰點信息和所述坐標信息對每個點進行逐點特征變換，得到第一變換特征信息，所述第一變換特征信息包括每個點對應(yīng)局部塊的注意力權(quán)重；將第一變換特征信息和第一輸入特征信息進行拼接后，進行激活函數(shù)計算和歸一化處理，得到局部坐標注意力輸出的特征信息；所述通過位置綁定模塊和注意力池化進行位置信息強化的具體步驟為：獲取第三輸入特征信息中每個點的第三鄰點信息，所述第三輸入特征信息為位置綁定模塊輸入的特征信息；將所述局部坐標編碼通過共享多層感知機轉(zhuǎn)換特征維度，得到特征轉(zhuǎn)換信息；將所述第三鄰點信息和所述特征轉(zhuǎn)換信息進行拼接，得到拼接鄰點信息，所述拼接鄰點信息為位置綁定模塊輸出的特征信息；將所述拼接鄰點信息依次通過線性變換和歸一化指數(shù)函數(shù)進行計算，得到第二變換特征信息；將所述第二變換特征信息和所述拼接鄰點信息依次進行點乘操作和求和操作，得到特征融合信息；將所述特征融合信息通過共享多層感知機擴展特征維度，得到強化特征信息，所述強化特征信息為注意力池化輸出的特征信息；所述對所述編碼信息進行特征解碼處理，基于多維度的插值拼接與轉(zhuǎn)置卷積操作得到解碼信息，包括：基于所述編碼器構(gòu)建解碼器，所述解碼器包括多個依次連接的解碼層，每個所述解碼層與一個編碼層一一對應(yīng)；將每個解碼層的第四輸入特征信息通過近鄰插值進行上采樣，得到該解碼層的第一解碼特征信息，所述第四輸入特征信息為該解碼層對應(yīng)的上一解碼層輸出的特征信息；將每個解碼層的第一解碼特征信息與該解碼層的第五輸入特征信息進行拼接后，進行轉(zhuǎn)置卷積操作，得到該解碼層的第二解碼特征信息，所述第二解碼特征信息為該解碼層輸出的特征信息，所述第五輸入特征信息為該解碼層對應(yīng)編碼層輸出的編碼特征信息；將最后一層解碼層的第二解碼特征信息作為解碼器輸出的解碼信息。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西南交通大學(xué)，其通訊地址為：610031 四川省成都市金牛區(qū)二環(huán)路北一段111號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。