申请/专利权人：武汉理工大学

申请日：2024-01-30

公开（公告）日：2024-04-23

公开（公告）号：CN117649530B

主分类号：G06V10/42

分类号：G06V10/42;G06N3/045;G06V10/44;G06V10/762;G06V10/80;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本申请公开了一种基于语义级拓扑结构的点云特征提取方法、系统及设备，该方法通过先对点云数据局部聚类，实现了对点云数据的分块处理，得到了有相近关系的点集；通过对点集的特征向量和全局特征进行融合，保证了嵌入向量的完整性，避免了信息的过量损失；通过与相邻点集的邻接特征融合构建语义级别的点集的拓扑结构特征向量，实现了有效表征点集的高频率邻接关系；最终通过将嵌入向量和拓扑结构特征向量进行融合，不仅保证了目标点云特征的完整性，还实现了表征高频率邻接关系。

主权项：1.一种基于语义级拓扑结构的点云特征提取方法，其特征在于，包括：获取点云数据，并对所述点云数据进行局部聚类，得到多个点集；提取各所述点集的特征向量和全局特征，并对所述特征向量和所述全局特征进行融合，得到所述点集的嵌入向量；根据注意力系数计算公式，计算所述点集和与之相邻的邻接点集的注意力系数，并根据所述注意力系数和所述邻接点集的所述嵌入向量，确定所述点集的拓扑结构特征向量；对所述嵌入向量和所述拓扑结构特征向量进行融合，确定所述点集的目标点云特征；所述注意力系数计算公式为： 其中，为所述注意力系数，为所述点集，为所述邻接点集，为共享参数，[||]表示对两个向量进行拼接，为所述点集与所述邻接点集的邻接特征，表示多层感知器，表示将高维特征映射到一个实数。

全文数据：

权利要求：

百度查询： 武汉理工大学 基于语义级拓扑结构的点云特征提取方法、系统及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD