买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉福州大学申请的专利一种基于双注意力机制的三维点云配准方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116862962B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310867586.0，技术领域涉及：G06T7/33；该发明授权一种基于双注意力机制的三维点云配准方法是由郑海峰;陈孝文;冯心欣;黄俊良设计研发完成，并于2023-07-15向国家知识产权局提交的专利申请。

本一种基于双注意力机制的三维点云配准方法在说明书摘要公布了：本发明涉及一种基于双注意力机制的三维点云配准方法。步骤S1：使用多层下采样对输入两帧点云操作获取不同稀疏度的点云；步骤S2：不同稀疏度的点云根据对应点匹配模块计算两帧点云的对应关系；步骤S3：匹配点对的特征映射经过双注意力机制到描述符特征模块得出描述符特征；步骤S4：对应点匹配模块输出的置信矩阵和描述符特征模块输出经过奇异值分解模块求出旋转变换矩阵；步骤S5：最后一层下采样层计算旋转变换矩阵作为粗配准过程，再通过精配准过程的权重配比策略对粗配准结果进行精细化。本发明在基于深度学习的点云配准框架中，针对关注不同层次的特征影响引入双注意力机制，为解决配准误差积累设计了权重配比策略，避免误差积累情况的发生。

本发明授权一种基于双注意力机制的三维点云配准方法在权利要求书中公布了：1.一种基于双注意力机制的三维点云配准方法，其特征在于，包括如下步骤： 步骤S1：使用多层下采样对输入两帧点云操作获取不同稀疏度的点云； 步骤S2：不同稀疏度的点云根据对应点匹配模块计算两帧点云的对应关系； 步骤S3：匹配点对的特征映射经过双注意力机制到描述符特征模块得出描述符特征； 步骤S4：对应点匹配模块输出的置信矩阵和描述符特征模块输出经过奇异值分解模块求出旋转变换矩阵； 步骤S5：最后一层下采样层计算旋转变换矩阵作为粗配准过程，再通过精配准过程的权重配比策略对粗配准结果进行精细化，得出最优的旋转变换矩阵； 所述步骤S1的具体实现过程如下： 点云下采样模块首先随机获取任意一个点作为初始点放入待选的集合中，之后计算初始点到剩下所有点的距离，并将最远的点作为另一点放入集合；之后在继续计算集合中的点到剩下其余的点最远的距离作为集合之中的点，重复该过程，直到集合中的点个数满足要求的个数为止； 所述步骤S2的具体实现过程如下： 先对采样的每个点，在上一层点云中以空间距离找到K个最近点，得到一个簇； 对于每个簇，计算几何特征FD；其由最近点到中心的相对坐标位置、距离以及最近点在上一层计算出的描述子D级联得到； FD＝torch.catrrela,rdist,knn_feature rrela代表相对作坐标位置，rdist代表距离，knn_feature则是邻近特征； 将这些特征送入感知机中得到特征映射，再通过一个最大层和归一化层得到每个邻近点的权值； 最后，这些最近点的加权和作为最终采样点； 所述步骤S4的具体实现过程如下： 步骤S41：求解旋转变换矩阵； 首先，为了求解最佳旋转变换矩阵，要满足以下函数： 其中，ci代表置信矩阵，xi代表源点云中的匹配对点，yi代表目标点云中的匹配对点；K代表匹配点对的数量； 根据奇异值分解求得，其表示如下： R＝VUT 其中，R、V、U皆为正交矩阵； 步骤S42：损失函数； 损失函数由旋转损失函数和平移损失函数组成，其计算方式如下： L＝Ltrans+αLrot 其中Lrot代表旋转损失函数，Ltrans代表平移损失函数，α为预设的权重值，其计算方式分别如下： 其中代表旋转的真实值，R代表旋转的估计值，代表平移的真实值，t代表平移的估计值，I代表单位矩阵，||·||2代表计算欧式距离； 步骤S43：采用随机梯度下降算法，使损失函数达到最小值以更新本地模型参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。