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！

龙图腾网获悉浙江工业大学申请的专利一种基于图像特征引导的点云自监督补全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：CN120070224B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510541242.X，技术领域涉及：G06T5/60；该发明授权一种基于图像特征引导的点云自监督补全方法是由汪敏倩;高飞;顾天成;翁立波;张元鸣;程振波设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本一种基于图像特征引导的点云自监督补全方法在说明书摘要公布了：本发明公开了一种基于图像特征引导的点云自监督补全方法，步骤1：对获取的相机图像Image进行编码和解码操作提取特征，步骤2：获取原始稀疏点云Points，对原始稀疏点云进行随机点采样得到N个点，并对这N个点构建特征张量，记为Points 1；步骤3：对步骤2中构建的特征张量Points 1进行特征编码，获得特征；步骤4：将步骤3获得的特征进行特征扩展，得到点云特征；步骤5：将步骤4获得的点云特征使用全连接层进行点云重建，得到补全点云特征，记为Points 2；步骤6：网络训练时，需要对原始稀疏点云Points进行最远点采样得到N个点，并对这N个点构建特征张量，记为Points 3，计算Points 2与Points 3之间的倒角距离，作为网络训练时的损失函数。

本发明授权一种基于图像特征引导的点云自监督补全方法在权利要求书中公布了：1.一种基于图像特征引导的点云自监督补全方法，其特征在于，包括如下步骤： 步骤1：对获取的相机图像Image进行编码和解码操作提取图像特征，编码部分采用1个卷积层和L个ResBlock模块串联，解码部分采用L-1个反卷积层串联，将编码部分第l个ResBlock模块的输出特征和解码部分第L-l个反卷积层的输出特征进行相加得到特征Fl，其中l＝1,2,…,L-1； 步骤2：获取原始稀疏点云Points，对原始稀疏点云进行随机点采样得到N个点，并对这N个点构建N×C维的特征张量，记为Points1，其中N表示点的数量，C表示每个点的特征维度； 步骤3：对步骤2中构建的特征张量Points1进行特征编码，获得N×C′维的特征，其中C′表示特征编码后每个点的特征维度； 步骤3中特征编码的过程如下： 3.1：特征编码的网络采用1个EdgeConv层和L-1个GuideConv层串联； 3.1中GuideConv层为EdgeConv层的深度可分离卷积形式，并且其深度卷积核参数和逐点卷积核参数都是由步骤1中的图像特征引导生成，其中，Fl引导第l个GuideConv层的卷积核参数生成，具体卷积核参数生成过程如下： 3.1.1：采用标准卷积层处理Fl获得1×N×Cl维的特征作为第l个GuideConv层的深度卷积核参数，其中，N和Cl分别表示第l个GuideConv层中要处理的点的个数以及点的特征维度，在每个特征维度上做深度卷积时N个点之间参数不共享； 3.1.2采用平均池化处理Fl获得1×1×Ml维的特征，其中Ml表示Fl的通道数； 3.1.3针对3.1.2获得的1×1×Ml维的特征采用全连接层处理获得1×1×Cl×Cl+1维的特征作为第l个GuideConv层的逐点卷积核参数，其中Cl+1表示第l个GuideConv层输出的点的特征维度； 3.2：将EdgeConv层和每一个GuideConv层的输出特征在特征的维度上进行拼接，将拼接后的特征经过一个SharedMLP层进行特征降维处理，得到N×C′维的特征； 步骤4：将步骤3获得的N×C′维的特征进行特征扩展，得到rN×C″维的点云特征，其中r表示预先设定的特征扩展率，C″表示特征扩展后每个点的特征维度； 步骤4中特征扩展的过程如下： 4.1：将步骤3中N×C′维的特征拷贝r份，针对拷贝的r份特征分别采用r个SharedMLP网络分支处理获得r份N×2维的扰动系数，其中，每个SharedMLP网络分支由L1个SharedMLP层串联； 4.2：将r份N×2维的扰动系数分别拼接到4.1中r份N×C′维的拷贝特征中，得到r份N×C′+2维的特征； 4.3：针对4.2中r份N×C′+2维的特征分别采用r个EdgeConv网络分支进行处理得到r份N×C″维的点云特征，其中，每个EdgeConv网络分支由L2个EdgeConv层串联； 步骤5：将步骤4获得的rN×C″维的特征使用全连接层进行点云重建，得到rN×C维的补全点云特征，记为Points2，其中rN表示补全后的点的数量； 步骤6：网络训练时，需要对原始稀疏点云Points进行最远点采样得到N个点，并对这N个点构建N×C维的特征张量，记为Points3，计算Points2与Points3之间的倒角距离，作为网络训练时的损失函数； 步骤6中根据式1计算Points2与Points3之间的倒角距离： 其中CDPoint3,Point2表示Points3与Points2之间的倒角距离值，λ表示预先设定的权重系数，p表示Points2中的点，表示Points3中的点。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18号；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”。