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

龍圖騰網獲悉蘇州大學申請的專利一種基于深度學習的三維測量分割方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116778156B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310658391.5，技術領域涉及：G06V10/26；該發明授權一種基于深度學習的三維測量分割方法是由張雷;田宇;盧磊;樊成;梁福生設計研發完成，并于2023-06-05向國家知識產權局提交的專利申請。

本一種基于深度學習的三維測量分割方法在說明書摘要公布了：本申請公開了一種基于深度學習的三維測量分割方法，使用深度模型自動分割識別工件點云，在深度學習網絡模型上，為了將全局特征和局部特征融合學習，深度學習網絡模型基于特征融合的思想，使用U?Net網絡結構，在采樣層使用基于點云相似度的差異度下采樣，旨在解決選取編碼層每層特征最為突出的感受域來學習點云特征的問題；深度學習網絡模型通過自注意力機制提取優化感受域局部特征，借鑒多層感知機混合器里的空間混合多層感知機建立感受域之間的全局聯系提取感受域全局特征，在此基礎上通過卷積網絡進行局部特征和全局特征的特征融合學習，以提高工件點云自動識別分割的準確性。

本發明授權一種基于深度學習的三維測量分割方法在權利要求書中公布了：1.一種基于深度學習的三維測量分割方法,其特征在于，包括以下步驟: 步驟1,使用深度模型自動分割識別工件點云； 步驟2,先使用采樣層和分組層提取當前輸入點云的感受域,再通過鄰域自注意力層提取和優化感受域的局部特征,然后通過空間混合多層感知機提取感受域全局特征,最后通過2D卷積層將感受域局部特征和全局特征交互提取得到一層編碼層特征； 步驟3,將上一層編碼層特征作為輸入，再次重復步驟2的編碼操作兩次得到整個點云的編碼特征；所述步驟3包括以下子步驟: 步驟3.1,將通過輸入嵌入的特征定義為原始點云特征； 步驟3.2,遵循U-Net結構，編碼層需進行三次,三層編碼層采樣的感受域個數分別為512,128,1；感受域半徑分別為0.2,0.4,1；近鄰點數分別為32,64,128；提取的特征維度分別為128,256,1024；三層感受域分別定義為感受域1、感受域2和感受域3；得到的編碼特征分別定義為編碼特征1、編碼特征2和編碼特征3；搜索近鄰點時,當感受域內的近鄰點的個數不夠時,則重復第一個點的坐標； 步驟4,先將整個點云的編碼特征通過鄰域自注意力層優化，拼接到對應層的編碼特征上,然后將拼接特征通過特征傳播層解碼得到一層解碼層特征；所述步驟4包括以下子步驟： 步驟4.1,利用K均值聚類算法搜索感受域2最近的3個感受域3,并通過鄰域自注意力層對感受域3的編碼特征3進行特征優化,然后與感受域2的編碼特征2進行拼接； 步驟4.2,利用特征傳播層對拼接的點云特征進行解碼傳播到感受域2上，得到解碼特征1； 步驟5,將上一層解碼層特征作為輸入，再次重復步驟4的解碼操作兩次直到將解碼層特征拼接到最初的原始點云進行解碼，獲得點云每個點的解碼層特征；所述步驟5具體包括以下子步驟: 步驟5.1,在第一層解碼的基礎上進行第二層解碼； 步驟5.1.1,利用K均值聚類算法搜索感受域1最近的3個感受域2,并通過鄰域自注意力層對感受域2的解碼特征1進行特征優化,然后與感受域1的編碼特征1進行拼接； 步驟5.1.2,利用特征傳播層對拼接的點云特征進行解碼傳播到感受域1上，得到解碼特征2； 步驟5.2,在第二層解碼的基礎上進行第三層解碼； 步驟5.2.1,利用K均值聚類算法搜索輸入點云最近的3個感受域1,并通過鄰域自注意力層對感受域1的解碼特征2進行特征優化,然后與原始點云特征進行拼接； 步驟5.2.2,利用特征傳播層對拼接的點云特征進行解碼傳播到原始點云上，得到解碼特征3； 步驟6,利用全連接網絡得到點云中每個點的預測分類,實現分割任務。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人蘇州大學，其通訊地址為：215006 江蘇省蘇州市姑蘇區十梓街1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。