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

龍圖騰網(wǎng)獲悉大連理工大學(xué)申請的專利一種半剛性預(yù)制混凝土節(jié)點的端到端圖像-點云配準(zhǔn)與損傷預(yù)測方法獲國家發(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：CN120431089B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-02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：202510918963.8，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種半剛性預(yù)制混凝土節(jié)點的端到端圖像-點云配準(zhǔn)與損傷預(yù)測方法是由何政;于殿友;郎書瀾設(shè)計研發(fā)完成，并于2025-07-04向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種半剛性預(yù)制混凝土節(jié)點的端到端圖像-點云配準(zhǔn)與損傷預(yù)測方法在說明書摘要公布了：本發(fā)明提供了一種半剛性預(yù)制混凝土節(jié)點的端到端圖像?點云配準(zhǔn)與損傷預(yù)測方法，涉及圖像處理技術(shù)領(lǐng)域，包括如下步驟：S1、建立雙分支編碼?解碼結(jié)構(gòu)；S2、對圖像全局特征、點云全局特征、像素級特征和點級特征進行跨維度特征融合，得到圖像主導(dǎo)融合特征和點主導(dǎo)融合特征；輸出位姿估計矩陣；S3、建立時序損傷預(yù)測模型，使用多維度損失函數(shù)對時序損傷預(yù)測模型進行約束；S4、將配準(zhǔn)后的圖像像素級特征、點云全局特征、相對時間信息輸入至?xí)r序損傷預(yù)測模型中，輸出損傷預(yù)測值。本發(fā)明在特征提取、配準(zhǔn)精度和魯棒性等方面性能卓越，優(yōu)于多個前沿網(wǎng)絡(luò)，為多尺度特征量化、評估與重建提供了關(guān)鍵技術(shù)支持。

本發(fā)明授權(quán)一種半剛性預(yù)制混凝土節(jié)點的端到端圖像-點云配準(zhǔn)與損傷預(yù)測方法在權(quán)利要求書中公布了：1.一種半剛性預(yù)制混凝土節(jié)點的端到端圖像-點云配準(zhǔn)與損傷預(yù)測方法，其特征在于，包括如下步驟： S1、建立雙分支編碼-解碼結(jié)構(gòu)，所述雙分支編碼-解碼結(jié)構(gòu)包括圖像分支和點云分支；使震后半剛性預(yù)制混凝土節(jié)點時序圖像經(jīng)過圖像分支的編碼器生成圖像全局特征，再經(jīng)過圖像分支的解碼器生成像素級特征；使震后圖像同一時刻的時序點云經(jīng)過點云分支的編碼器生成點云全局特征，再經(jīng)過點云分支的編碼器生成點級特征； 所述圖像分支的編碼器包括ResNet模塊和Transformer模塊； 所述ResNet模塊用以提取深層語義；所述ResNet模塊采用ResNet34，ResNet34包含四個殘差塊，所述ResNet模塊逐層提取圖像的多層次特征； 所述Transformer模塊用以增強全局注意力；所述Transformer模塊引入兩層Transformer，通過全局自注意力機制強化對局部關(guān)鍵特征的關(guān)注； 所述圖像分支的解碼器用以生成像素級特征；所述圖像分支的解碼器通過三層解碼模塊，結(jié)合跳躍連接恢復(fù)像素級特征； 所述點云分支的編碼器包括SetAbstraction模塊和PointTransformer模塊； 所述SetAbstraction模塊用以篩選關(guān)鍵點；所述SetAbstraction模塊通過最遠(yuǎn)點采樣篩選關(guān)鍵點，結(jié)合多層感知機在局部鄰域內(nèi)提取特征； 所述PointTransformer模塊用以利用局部自注意力機制有效建模點間關(guān)系；所述PointTransformer模塊針對點云設(shè)計局部自注意力機制，通過K近鄰限制注意力范圍，捕捉長程依賴關(guān)系； 所述點云分支的解碼器通過FeaturePropagation模塊與PointTransformerⅤ，上采樣恢復(fù)點級特征； S2、對圖像全局特征、點云全局特征、像素級特征和點級特征進行跨維度特征融合，得到圖像主導(dǎo)融合特征和點主導(dǎo)融合特征；基于圖像主導(dǎo)融合特征和點主導(dǎo)融合特征得到特征匹配點信息，輸出位姿估計矩陣； S3、建立半剛性預(yù)制混凝土節(jié)點的時序損傷預(yù)測模型，使用多維度損失函數(shù)對時序損傷預(yù)測模型進行約束；在總損失和各項損失分量收斂時，輸出時序損傷預(yù)測模型； 時序損傷預(yù)測模型包括： 輸入特征，包括相對時間信息t、點云全局特征、像素級特征FI； 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的雙向長短期記憶模塊，用以進行時空特征進行建模； 時間編碼模塊，用以增強網(wǎng)絡(luò)對的相對時間及非等間距時變的理解能力，將相對時間信息映射為緊湊的時間特征向量；時間編碼模塊由兩個全連接層組成； 將時間特征向量與空間特征融合，以增強網(wǎng)絡(luò)的時空理解能力； 損傷預(yù)測頭由兩層全連接層構(gòu)成； S4、將配準(zhǔn)后的圖像像素級特征、點云全局特征、相對時間信息輸入至?xí)r序損傷預(yù)測模型中，輸出損傷預(yù)測值。

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)人大連理工大學(xué)，其通訊地址為：116024 遼寧省大連市高新園區(qū)凌工路2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)”。