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！

龍圖騰網獲悉北京工業大學申請的專利基于層次化圖卷積網絡和空間注意力機制的三維點云數據分類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：CN116258903B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202310223966.0，技術領域涉及：G06V10/764；該發明授權基于層次化圖卷積網絡和空間注意力機制的三維點云數據分類方法是由王丹;李珂設計研發完成，并于2023-03-09向國家知識產權局提交的專利申請。

本基于層次化圖卷積網絡和空間注意力機制的三維點云數據分類方法在說明書摘要公布了：本發明公開一種基于層次化圖卷積網絡和空間注意力機制的三維點云數據分類方法，屬于三維點云分類領域，包括層次圖卷積模塊、空間注意力模塊、相似度對比模塊。基于多視野、不同密度稀疏程度得到鄰接點，以圖卷積的方式結合自身點云特征得到新的特征向量，注入空間注意力機制得到新節點的特征向量；擴大感受野，在新節點的基礎上按照結構相似度合并與新節點相似的鄰居節點，得到多層次超節點信息，減少局部信息的冗余并加強局部特征。計算法向量特征并加入到點云的全局特征，提高點云的整體特征信息。本發明收集多層次鄰居節點特征并結合空間注意力達到強化局部特征的目的，可以更進一步提高三維點云處理分類網絡的魯棒性。

本發明授權基于層次化圖卷積網絡和空間注意力機制的三維點云數據分類方法在權利要求書中公布了：1.基于層次化圖卷積網絡和空間注意力機制的三維點云數據分類方法，其特征在于：包括層次圖卷積模塊、空間注意力模塊、相似度對比模塊；其中層次圖卷積模塊，包括基于查詢點的多視野、不同密度稀疏程度的K個鄰接點的篩選，并以圖卷積的方式結合查詢點自身點云特征得到新的特征向量；其中空間注意力模塊，包括改進DAnet操作步驟，去掉影響形狀特征的reshape操作，引入動態的標度特征參數進行較遠距離點形狀關聯，和空間注意力矩陣相乘得到強化的特征參數，即為新的節點特征向量；其中相似度對比模塊，包括對新節點進行KNN查詢得到新節點的鄰居節點，在新節點的基礎上按照結構相似度合并與新節點相似的鄰居節點，得到多層次超節點信息，減少相似節點的信息冗余并加強局部特征；計算超節點的法向量，將帶有法向量特征的超節點的局部特征和帶有法向量信息輸入的全局特征進行融合，最后得到點云的分類結果； 步驟一、篩選查詢點多視野、不同密度稀疏程度的K個鄰接點： 對于任意給出的點云節點，每個節點的度不一樣，查找的鄰近點可能包含在不同大小的局部區域內，導致信息冗余，不同位置點的密度也不一樣；為了得到K個鄰近點的特征信息，進行如下操作： 圖的定義如下，G＝V，C，其中V為點云節點的集合，C為邊的集合；每個節點j都對應其特征xj，用矩陣XN*T表示，C為N×K的鄰接矩陣，其中N代表節點數，T為節點特征向量的維度，K表示鄰近點的數量； 針對點云節點Q＝{X,Y,Z}，其中{X,Y,Z}分別表示節點Q的三維坐標值，提供M1和M2兩個不同的感受野，r1和r2表示不同感受野的半徑大小，其中r1r2，M1M2；通過KNN進行點云節點Q的鄰近點查詢，并投影到點云節點Q的切平面，根據不同感受野鄰域點密度的比例提取鄰域內的鄰接點，找到K個鄰近點；以半徑為r1的M1感受野說明K個鄰接點的查找過程，首先計算不同感受野體積比例，計算公式為其中b1表示半徑r1的M1感受野球的體積比例，b2表示半徑r1的M1感受野球和半徑r2的感受野M2中間環體積的比例；然后計算點云的法向量，計算公式為：n＝b1×K；其中xi表示第i個鄰接點，表示節點Q周圍鄰接點的平均坐標值,Nor為法向量，‖n‖表示n的范數； 然后計算M1視野中這n個鄰接點在節點Q處的切平面的投影向量；計算公式為：Yi＝Xi-Q-Xi·Nor·Nor，其中Yi為鄰接節點i在切平面的投影向量，Q＝{X,Y,Z}分別表示節點Q的三維坐標值； 步驟二：鄰接點圖卷積提取特征操作。

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北京工業大學，其通訊地址為：100124 北京市朝陽區平樂園100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”。