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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于注意力机制的三维点云上采样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：CN114549757B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202210172212.2，技术领域涉及：G06T17/00；该发明授权一种基于注意力机制的三维点云上采样方法是由刘吴杰;匡振中;丁佳骏;顾晓玲;俞俊设计研发完成，并于2022-02-24向国家知识产权局提交的专利申请。

本一种基于注意力机制的三维点云上采样方法在说明书摘要公布了：本发明公开了一种基于注意力机制的三维点云上采样方法，包括以下步骤：步骤1：三维点云数据预处理；步骤2：构建基于注意力机制的三维点云上采样网络结构；步骤3：建立目标点云和输出点云之间的损失函数；步骤4：采用公开数据集进行训练及测试，输出最终结果。本方法提出了基于注意力机制的三维点云上采样网络，进一步加强了对局部特征和邻域关系的学习，并加入残差结构以优化信息传递过程，提高了三维点云上采样的准确率，降低了目标点云与上采样所得点云之间的损失。通过实验结果显然证实了所提出方法的高效性与实用性，本发明方法对三维点云上采样更高效和准确。

本发明授权一种基于注意力机制的三维点云上采样方法在权利要求书中公布了：1.一种基于注意力机制的三维点云上采样方法，其特征在于，包括以下步骤：步骤1：三维点云数据预处理；步骤2：构建基于注意力机制的三维点云上采样网络结构；步骤3：建立目标点云和输出点云之间的损失函数；步骤4：采用公开数据集进行训练及测试，输出最终结果；步骤2具体步骤如下：2-1.构建编码器；编码器包括四个特征提取模块，两个局部特征融合模块，一个最大池化层；每个特征提取模块由一个卷积块和一个图卷积块组成，其中卷积块由一个Conv层、一个批量归一化层和一个线性整流函数组成，图卷积块由一个Graph-Conv层、BN和ReLU组成，每个特征提取模块之间由跳跃式连接相连接；每个局部特征融合模块由一个k近邻聚合层、两个Conv层、两个BN、两个ReLU和一个注意力模块组成；注意力模块将输入的特征向量N*C，其中N为输入的三维点的个数，C为每个点的维度，分别作为查询向量Q和键值向量V，经过矩阵乘法和softmax函数得到注意力分数N*N；接着将输入的特征向量N*C与注意力分数N*N相乘，即可得到优化后的特征向量，它进一步融合了局部特征；然后将优化后的特征向量进行最大池化，即取N个点中的特征的最大值，得到全局特征1*C；最后将全局特征复制N份后与最大池化前的特征向量进行拼接，得到编码后的向量2N*C，它将进一步被输入特征扩张模块；2-2.构建特征扩张模块；特征扩张模块将编码器输出的特征2N*C复制r份，即2rN*C，r是上采样比率；接着生成位置向量，具体来说，位置向量大小为2rN*1，其值通过-1到1之间均匀分布生成；最后将复制后的向量2rN*C与位置向量2rN*1进行拼接得到扩张后的特征向量2rN*C+1；2-3.构建解码器；解码器由三个全连接层和一个点云重建层组成；其中每个全连接层包括一个Conv层、一个Leaky-ReLU函数、一个BN层；解码器的输入与点云重建层之间采用跳跃式连接，点云重建层将解码的特征重新转化为三维坐标点；步骤3具体如下：3-1.由于欧式距离具有计算快速灵活的特点，采用欧式距离作为点云距离标准；从数学的形式表述如下： 其中X，Y分别为任意两个不同的点，其中d是每个点的维度；xi，yi分别为点的分向量；3-2.计算输出点云和目标点云之间的距离；采用倒角距离公式作为三维点云上采样的损失函数，使输出点云与目标点云之间的距离趋于最小，定义如下： 以上公式的S1,S2分别表示输出点云与目标点云，第一项代表S1中任意一点x到S2的最小距离之和，第二项则表示S2中任意一点y到S1的最小距离之和；该距离越小说明输出点云与目标点云的差别越小。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。