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！

龍圖騰網獲悉廣東工業大學申請的專利一種鐵路軌道特征提取方法及系統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：CN119884707B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202411882582.0，技術領域涉及：G06F18/213；該發明授權一種鐵路軌道特征提取方法及系統是由張潤源;丁瓊;王丹;鄧繼偉;徐明偉設計研發完成，并于2024-12-19向國家知識產權局提交的專利申請。

本一種鐵路軌道特征提取方法及系統在說明書摘要公布了：本發明公開了一種鐵路軌道特征提取方法及系統，涉及深度學習與點云數據處理的技術領域。所述方法包括以下步驟：獲取鐵路軌道點云數據，并對所述鐵路軌道點云數據進行預處理；構建鐵路軌道特征提取模型，所述鐵路軌道特征提取模型包括輸入模塊、編碼器模塊、解碼器模塊及鐵路軌道特征分類模塊；利用所述鐵路軌道特征提取模型根據預處理后的軌道圖像數據提取鐵路軌道特征提取，并根據提取的鐵路軌道特征進行鐵路軌道分類，輸出分類結果。通過本發明的方法，能夠有效提高對軌道與非軌道數據類別不平衡問題適應性，以同時捕獲全局和局部特征，并有效建立不同通道之間的依賴關系，從而提高軌道特征提取的精度，并降低軌道提取成本。

本發明授權一種鐵路軌道特征提取方法及系統在權利要求書中公布了：1.一種鐵路軌道特征提取方法，其特征在于，所述方法包括以下步驟： 獲取鐵路軌道點云數據，并對所述鐵路軌道點云數據進行預處理； 構建鐵路軌道特征提取模型，所述鐵路軌道特征提取模型包括輸入模塊、編碼器模塊、解碼器模塊及鐵路軌道特征分類模塊； 所述鐵路軌道特征提取模型根據預處理后的軌道點云數據提取鐵路軌道特征，并根據提取的鐵路軌道特征進行鐵路軌道分類，輸出分類結果； 對所述鐵路軌道點云數據進行預處理的過程包括： 對獲取的鐵路軌道點云數據進行裁剪與降噪處理； 根據裁剪與降噪后的鐵路軌道點云數據劃分為訓練集、驗證集與測試集； 將訓練集輸入鐵路軌道特征提取模型，并設置若干輪次的迭代優化訓練對所述鐵路軌道特征提取模型進行參數迭代優化，過程包括： 利用輸入模塊將訓練集中的原始點云數據劃分成若干個不重疊的數據塊； 編碼器模塊根據若干個不重疊的數據塊提取原始點云數據的多尺度特征； 解碼器模塊根據多尺度特征恢復點云分辨率，并根據恢復的點云分辨率進行軌道點與非軌道點分類； 鐵路軌道特征分類模塊根據分類得到的軌道點與非軌道點，生成與輸入點云一致的標注點云，并根據標注點云進行鐵路軌道分類；其中，分類結果包括軌道與非軌道； 利用測試集對每輪次訓練后的鐵路軌道特征提取模型進行測試，利用驗證集對每輪次測試的分類結果進行驗證，并設置損失函數對每輪次訓練后的鐵路軌道特征提取模型進行參數優化，當設置迭代輪次結束或者損失函數收斂時，得到訓練好的鐵路軌道特征提取模型； 利用輸入模塊將訓練集中的原始點云數據劃分成若干個不重疊的數據塊的過程包括： 從所述原始點云數據中隨機選取若干個點，計算每一個點的軌道鄰域范圍，在每一個點的軌道鄰域范圍內選擇若干個點組合為一個數據塊，得到若干個不重疊的數據塊，并對若干個不重疊的數據塊進行數據標準化處理； 編碼器模塊根據若干個不重疊的數據塊提取原始點云數據的多尺度特征的過程包括； 所述編碼器模塊包括依次連接的三元組注意力集合抽象子模塊與若干個基礎集合抽象子模塊； 三元組注意力集合抽象子模塊包括采樣層、多層感知機層、若干個平行處理單元及最大池化層； 通過采樣層對若干個不重疊的數據塊進行最遠點采樣，并將采樣的點組合為點集； 采用多層感知機層對點集進行特征升維，并采用若干個平行處理單元對升維后的特征構建點云中全局特征、局部特征及一般特征之間的依賴特征； 采用多層感知機層對構建的依賴特征進行特征升維，并采用最大池化層對升維后的依賴特征進行最大池化處理，得到原始點云數據的多尺度特征； 設置損失函數對每輪次訓練后的鐵路軌道特征提取模型進行參數優化的過程包括： 計算軌道與非軌道中的點數，根據點數計算軌道與非軌道的初始權重，表達式為: 其中，表示所有類別中樣本數量的最大值； 采用對數函數加上偏置來調整權重分布，對損失函數進行優化，表達式為: 其中，表示經過縮放后的權重，表示正類別權重，表示負類別權，y表示樣本的真實標簽，p表示模型預測樣本屬于正類別的概率。

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廣東工業大學，其通訊地址為：510080 廣東省廣州市越秀區東風東路729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”。