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！

龍圖騰網恭喜溫州大學;溫州理工學院申請的專利基于動態圖注意力的多尺度網絡的零件表面點云分割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：CN119180828B 。

龍圖騰網通過國家知識產權局官網在2025-03-25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：202411677253.2，技術領域涉及：G06T7/10；該發明授權基于動態圖注意力的多尺度網絡的零件表面點云分割方法是由張振;汪日偉;王瀚文;葛勇;張志強;黃輝;張楠設計研發完成，并于2024-11-22向國家知識產權局提交的專利申請。

本基于動態圖注意力的多尺度網絡的零件表面點云分割方法在說明書摘要公布了：本發明提供基于動態圖注意力的多尺度網絡的零件表面點云分割方法，包括建立零件表面點云數據集；確定由編碼器、解碼器和分割頭組成并用于零件表面點云分割的多尺度網絡模型及其損失函數，并訓練多尺度網絡模型；獲取待測的零件表面點云數據，并導入已訓練好的多尺度網絡模型中，得到相應的分割類別；其中，編碼器包括依序設置的最遠點采樣層、動態圖分組層、位置嵌入層、注意力聚合層和特征更新層；該編碼器采用了k近鄰算法構建動態圖并實現動態分組，且通過注意力聚合機制從動態圖中學習點對之間關聯性來實現權重分配。實施本發明，能解決現有點云分割方法中深度學習模型在特征聚合方面存在區塊不合理、聚合方式單一的問題。

本發明授權基于動態圖注意力的多尺度網絡的零件表面點云分割方法在權利要求書中公布了：1.基于動態圖注意力的多尺度網絡的零件表面點云分割方法，其特征在于，所述方法包括以下步驟：建立零件表面點云數據集為；其中，表示點云坐標；表示點云特征；表示點云類別；，其由空間笛卡爾直角坐標系三個元素組成；，表示點坐標、表示法向量、表示顏色；表示樣本中點的數量；表示每個點的特征數量；確定由編碼器、解碼器和分割頭組成并用于零件表面點云分割的多尺度網絡模型及其損失函數，并基于所述零件表面點云數據集，對所述多尺度網絡模型進行訓練，以得到訓練好的多尺度網絡模型；其中，所述編碼器包括依序設置的最遠點采樣層、動態圖分組層、位置嵌入層、注意力聚合層和特征更新層，其用于通過所述最遠點采樣層從所述零件表面點云數據集中選取查詢點及對應的查詢點特征，并利用所述動態圖分組層的點特征近鄰算法來確定各查詢點的k個近鄰支撐點以形成動態圖，且在所述位置嵌入層中對各動態圖進行點云坐標位置信息嵌入，進一步待通過所述注意力聚合層對各動態圖的k個支撐點進行權重分配之后，利用所述特征更新層根據分配后的權重來更新所有動態圖中的支撐點特征，以作為低尺度的多個點云特征信息輸出；所述解碼器用于將所述編碼器輸出的多個低尺度特征信息進行上采樣并與高尺度特征信息融合，以得到多尺度融合的特征信息；所述分割頭用于將所述解碼器輸出的高尺度特征信息映射到具體的類別標簽上，以實現對點云數據的分割；獲取待測的零件表面點云數據，并將所述待測的零件表面點云數據導入已訓練好的多尺度網絡模型中，得到待測的零件表面點云數據的分割類別；所述最遠點采樣層，用于從所述零件表面點云數據集中選取部分點云坐標作為支撐點，并通過貪心算法從各支撐點中選取指定數量的查詢點，且進一步基于所述零件表面點云數據集中的點云特征，得到各查詢點特征；所述動態圖分組層，用于對每一查詢點特征均查找k個近鄰的支撐點特征來形成該查詢點特征圖的邊，以構建出各查詢點的動態圖；所述位置嵌入層，用于在各動態圖中嵌入查詢點特征及其k個近鄰的支撐點特征的位置信息；所述注意力聚合層，用于在各動態圖中計算查詢點到每一支撐點之間相關性系數；所述特征更新層，用于將各動態圖中所計算的相關性系數均其對應動態圖中k個支撐點特征進行加權融合，以得到各動態圖中k個支撐點聚合特征并輸出。

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溫州大學;溫州理工學院，其通訊地址為：325035 浙江省溫州市甌海區梅泉大街586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”。