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！

龍圖騰網恭喜浪潮云洲工業互聯網有限公司;清華大學申請的專利基于注意力機制的局部感知點云表示學習預訓練方法及裝置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：CN119418143B 。

龍圖騰網通過國家知識產權局官網在2025-05-09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：202510033344.0，技術領域涉及：G06V10/764；該發明授權基于注意力機制的局部感知點云表示學習預訓練方法及裝置是由武紅強;余嘉瑋;上官文;王少華;黃必清設計研發完成，并于2025-01-09向國家知識產權局提交的專利申請。

本基于注意力機制的局部感知點云表示學習預訓練方法及裝置在說明書摘要公布了：本申請公開了基于注意力機制的局部感知點云表示學習預訓練方法及裝置，涉及點云表示學習技術領域，包括：通過對三維模型表面進行點云數據采樣確定預訓練數據集；預訓練數據集為點云形狀的數據集；基于轉換器模型結構及預設局部感知自注意力機制確定待訓練模型，利用待訓練模型、掩碼建模的預訓練策略對預訓練數據集進行數據處理；基于數據處理結果、待訓練模型進行局部與全局的特征提取，利用特征提取結果及待訓練模型中的密度感知倒角距離損失計算機制確定訓練損失，得到預訓練后模型；采集目標產品的點云數據確定微調數據集，利用預訓練后模型及微調數據集進行特征提取與點云分類，完成微調，得到目標模型。本申請提高了點云特征提取的質量。

本發明授權基于注意力機制的局部感知點云表示學習預訓練方法及裝置在權利要求書中公布了：1.一種基于注意力機制的局部感知點云表示學習預訓練方法，其特征在于，包括：通過對三維模型的表面進行點云數據采樣，以確定相應的預訓練數據集；所述預訓練數據集為點云形狀的數據集；基于轉換器模型結構以及預設局部感知自注意力機制確定待訓練模型，利用所述待訓練模型、掩碼建模的預訓練策略依次對所述預訓練數據集進行數據的分組、嵌入，并對嵌入處理后的點云數據進行隨機掩碼，以得到點云數據處理結果；基于所述待訓練模型、所述預訓練策略以及所述點云數據處理結果進行局部與全局的特征提取，并利用得到的特征提取結果以及所述待訓練模型中的密度感知倒角距離損失計算機制確定訓練損失，以得到預訓練后模型；通過采集目標產品的點云數據確定微調數據集，并利用所述預訓練后模型以及所述微調數據集進行特征提取與點云分類，以基于得到的分類結果完成模型微調操作，并得到目標模型；其中，所述利用所述待訓練模型、掩碼建模的預訓練策略依次對所述預訓練數據集進行數據的分組、嵌入，并對嵌入處理后的點云數據進行隨機掩碼，包括：基于所述待訓練模型、最遠點采樣策略以及預設分組數從所述預訓練數據集中確定對應數量的采樣點，并利用K近鄰算法確定各所述采樣點的近鄰點，以完成相應的點云數據分組操作，并得到分組結果；針對所述分組結果中的任一點云組，通過所述待訓練模型中的多層線性映射層、拼接層以及最大值池化層組合將對應的點云坐標映射至特征空間，以完成點云嵌入操作，并得到各所述點云組的嵌入特征向量；基于預設比例對所述分組結果中的各所述點云組進行隨機掩碼，以得到相應的隨機掩碼結果；基于所述隨機掩碼結果以及各所述點云組的所述嵌入特征向量確定點云數據處理結果；所述基于所述待訓練模型、所述預訓練策略以及所述點云數據處理結果進行局部與全局的特征提取，包括：基于所述待訓練模型以及所述隨機掩碼結果確定未掩碼點云組與已掩碼點云組；針對所述未掩碼點云組中的任一數據點，基于K近鄰算法確定與當前數據點對應的鄰域點，并在對應的局部鄰域區域利用自注意力機制對當前數據點以及所述鄰域點確定與當前數據點對應的局部特征；基于下采樣算子對所述未掩碼點云組進行下采樣，并利用自注意力機制對當前數據點以及得到的下采樣結果確定與當前數據點對應的全局特征；對與當前數據點對應的所述局部特征以及所述全局特征進行拼接，并利用歸一化指數函數對得到的拼接后特征進行加權處理，以完成特征融合操作，并得到與當前數據點對應的融合后特征。

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浪潮云洲工業互聯網有限公司;清華大學，其通訊地址為：250101 山東省濟南市高新區浪潮路1036號浪潮科技園S02號樓19層；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”。