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！

龍圖騰網獲悉太原理工大學申請的專利一種基于圖結構局部特征描述符的點云配準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：CN115457091B 。

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：202210857776.X，技術領域涉及：G06T7/33；該發明授權一種基于圖結構局部特征描述符的點云配準方法是由程蘭;張文麗;任密蜂;續欣瑩;閻高偉;張喆設計研發完成，并于2022-07-21向國家知識產權局提交的專利申請。

本一種基于圖結構局部特征描述符的點云配準方法在說明書摘要公布了：本發明涉及計算機視覺及機器人技術領域，具體是一種基于圖結構局部特征描述符的點云配準方法。包括以下步驟，S1：對訓練樣本數據和待配準數據進行Patch提取并規范化處理；S2：搭建基于圖結構的深度神經網絡模型，使得模型適用于點云數據的處理；S3：利用步驟S1中經過預處理的訓練樣本數據對步驟S2搭建的深度神經網絡進行訓練；S4：將經過預處理的待配準數據輸入到步驟S3訓練好的深度神經網絡中，待配準數據為待配準一對點云，分別得到對應點的特征描述符向量；S5：利用步驟S4生成的對應點的特征描述符向量，計算剛性變換矩陣[R,t],利用最終的剛性變換矩陣[R,t]實現點云的配準，其中R表示旋轉矩陣，t表示平移向量。

本發明授權一種基于圖結構局部特征描述符的點云配準方法在權利要求書中公布了：1.一種基于圖結構局部特征描述符的點云配準方法，其特征在于：包括以下步驟， S1：對訓練樣本數據和待配準數據進行Patch提取并規范化處理； S2：搭建基于圖結構的深度神經網絡模型，使得模型適用于點云數據的處理； 步驟S2具體包括以下分步驟： S21：基于圖結構網絡搭建特征提取模型，使得Patch中的點能直接輸入圖結構網絡，最后以全連接網絡形式映射提取的特征； 步驟S21中搭建特征提取模型的具體過程為， S211：首先將輸入的Patch經過可訓練的轉換網絡SpatialT-Net，它將原始點云作為輸入并回歸到一個3×3的仿射變換矩陣A對Patch內的點進行坐標對齊； S212：緊接著連續輸入到四組GraphConv模塊中提取每個點的局部幾何特征，每組GraphConv模塊先采用BallQuery選取K個近鄰點構成圖的范圍，分別通過一個共享權值的多層感知機（64,64,128,256）來提取經過BallQuery圖結構的邊緣信息，經過圖卷積進行特征提取后得到k個邊特征信息，再將該信息經過Maxpooling進行最大池化以聚合k個邊特征，得到質心a的特征向量； S213：然后將每組圖卷積的輸出特征向量進行連接用于提取多尺度特征，使用一層Mlp聚合多尺度特征并使用Maxpooling獲得點云Patch的全局特征； S214：最后通過一組MLP輸出d維的特征向量，并使用局部響應歸一化層來生成單位長度的描述符； S22：基于圖結構網絡搭建孿生網絡模型，使得模型分支分別作用于不同點云，通過全連接映射后的輸出對應點的特征描述符； S3：利用步驟S1中經過預處理的訓練樣本數據對步驟S2搭建的深度神經網絡進行訓練； S4：將經過預處理的待配準數據輸入到步驟S3訓練好的深度神經網絡中，待配準數據為待配準的一對點云，分別得到對應點的特征描述符向量； S5：利用步驟S4生成的對應點的特征描述符向量，計算剛性變換矩陣[R,t],利用最終的剛性變換矩陣[R,t]實現點云的配準，其中R表示旋轉矩陣，t表示平移向量。

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太原理工大學，其通訊地址為：030024 山西省太原市迎澤西大街79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”。