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)獲悉北京理工大學申請的專利一種基于樹結(jié)構轉(zhuǎn)換器的點云匹配方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN117237419B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202311206461.X，技術領域涉及：G06T7/30；該發(fā)明授權一種基于樹結(jié)構轉(zhuǎn)換器的點云匹配方法是由王美玲;陳光彥;岳裕豐設計研發(fā)完成，并于2023-09-19向國家知識產(chǎn)權局提交的專利申請。

本一種基于樹結(jié)構轉(zhuǎn)換器的點云匹配方法在說明書摘要公布了：本發(fā)明提供一種基于樹結(jié)構轉(zhuǎn)換器的點云匹配方法，引入了樹結(jié)構并提出了基于樹結(jié)構轉(zhuǎn)換器的點云匹配方法，使模型能夠提取豐富的局部特征，并通過學習到的參與區(qū)域?qū)崿F(xiàn)線性計算復雜度；提出了樹注意力，其通過逐層指定高相關性關鍵點并基于樹結(jié)構化點云，實現(xiàn)動態(tài)注意力稀疏化并提取豐富的局部特征；本發(fā)明方法在3DMatch、ModelNet40和KITTI數(shù)據(jù)集上實現(xiàn)了最佳性能。

本發(fā)明授權一種基于樹結(jié)構轉(zhuǎn)換器的點云匹配方法在權利要求書中公布了：1.一種基于樹結(jié)構轉(zhuǎn)換器的點云匹配方法，其特征在于，包括： 步驟1、針對給定的源點云X和目標點云Y,分別下采樣點云X和Y到和并提取相關特征，再次經(jīng)過線性投影得到特征和 步驟2、將下采樣點云和提取的特征送到樹轉(zhuǎn)換器編碼器進行編碼，具體包括： 步驟21、分別針對點云和構建樹結(jié)構和具體為： 分別將點云和體素化，然后將多個相鄰體素合并為一個大體素，得到一層，將該層的多個相鄰體素繼續(xù)進行合并，進而得到具有更大體素的層，相鄰兩層中上一層定義為密層，其中的點定義為密結(jié)點，下一層定義為粗層，其中的點定義為粗結(jié)點；以此類推，得到分別針對點云和的具有Lτ層的樹結(jié)構和 對所構建的樹結(jié)構和進行定義：1每一層分別包含個點和個點l＝1,2,...,Lτ；2下一層中每一體素中粗結(jié)點到上一層中對應被合并的所有體素中的密結(jié)點關系表示為和3上一層中被合并體素中密結(jié)點到下一層的合并得到的大體素中粗結(jié)點之間關系表示為和粗結(jié)點的坐標和是通過對密結(jié)點的坐標和求平均獲得的，其中，粗結(jié)點的坐標 的坐標表示為： 其中， 表示第i個粗結(jié)點對應的子結(jié)點的索引，其中，將粗層中的某一體素的粗結(jié)點作為父結(jié)點，密層中被合并的體素中的密結(jié)點稱為該粗結(jié)點的子節(jié)點；而分別是集合的基數(shù)，即點云的數(shù)量； 步驟22、特征池化：將子結(jié)點的特征與相對位置連接起來，并再次用兩層多層感知機MLP進行投影，其中MLP由兩個全連接層和線性整流函數(shù)激活組成；第i個粗結(jié)點的特征 的特征通過如下方式獲得： 步驟23、樹注意力：對于兩個不同點云的特征樹和樹注意力首先在最粗層通過全局注意力獲得平均注意力圖和所提取的特征下一層合并所提取的特征以指導特征提取，并根據(jù)注意力圖指定參與區(qū)域，然后在指定參與區(qū)域內(nèi)進行注意力機制的運算；之后，樹注意力使用共享參數(shù)迭代到最密層，由此獲得條件特征輸出，具體包括： 步驟1、針對特征樹對于任意兩個相鄰層，計算粗層的平均注意力圖和所提取的特征其中是粗層中每個查詢點關聯(lián)的關鍵點的數(shù)量； 步驟2、將粗層所提取的具有高語義信息的特征合并進經(jīng)步驟22中特征池化得到的密層d的特征中，以指導密層d的特征提取；其中，密層d中第i個密結(jié)點的合并特征通過如下獲得： 步驟3、使用粗層c的注意力圖以指定密層d進行注意力運算的參與區(qū)域，具體為：對中的每個查詢點選擇注意力得分最高的個關鍵點，在特征樹中的密層d中，確定上述個關鍵點作為父結(jié)點對應的所有子結(jié)點，作為密層d進行注意力運算的關鍵點；在特征樹中的密層d中，確定粗層c中各查詢點作為父結(jié)點對應的所有子結(jié)點，作為密層d進行注意力運算的查詢點；由此，基于密層d中第i個密結(jié)點的合并特征利用該層確定的關鍵點和查詢點進行注意力運算，得到特征和平均注意力圖 將當前密層作為下一次迭代計算的粗層c，當前密層的下一層作為下一次迭代計算的密層d，繼續(xù)按照步驟1至3的方法計算密層d特征和平均注意力圖以此類推，直到計算到特征樹的最密層； 步驟4、針對特征樹先按照步驟1的方法，獲得粗層c平均注意力圖和所提取的特征然后按照步驟2的方法獲得合并特征最后按照步驟3的方法獲得特征和平均注意力圖以此類推，直到計算到特征樹的最密層； 得到特征數(shù)在不同層l＝1,2,...,Lτ的特征和后，將最后一層特征和作為樹注意力的條件特征輸出； 步驟3、解碼器：條件特征和通過兩層MLP生成點云和的對應點云和并通過一層全連接層預測得到重疊分數(shù)和通過解算獲得最后的旋轉(zhuǎn)平移變換

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" href="https://iptop.www.hzsmkbearing.com.cn/list?keyword=%E5%8C%97%E4%BA%AC%E7%90%86%E5%B7%A5%E5%A4%A7%E5%AD%A6&temp=1">北京理工大學，其通訊地址為：100081 北京市海淀區(qū)中關村南大街5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)”。