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！

龙图腾网恭喜上海理工大学申请的专利基于动静态卷积融合神经网络的多视图三维点云分类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：CN114998638B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202210388496.9，技术领域涉及：G06V10/764；该发明授权基于动静态卷积融合神经网络的多视图三维点云分类方法是由周浩然;王文举;陈罡;王晓琳设计研发完成，并于2022-04-14向国家知识产权局提交的专利申请。

本基于动静态卷积融合神经网络的多视图三维点云分类方法在说明书摘要公布了：本发明提供一种基于动静态卷积融合神经网络的多视图三维点云分类方法，使用固定加随机视点的视图选取方法，有效避免了传统固定视点选取所造成的过拟合现象；为了提高算法在不同数据集上的自适应性，用了动态静态卷积自适应权重融合的局部特征提取算子，特别针对当前动态卷积存在的参数量巨大，计算复杂度高的问题，提出了一种轻量化自适应动态卷积算子；此外，使用了全局注意力的池化方法，也能够最大程度地整合不同视图上的最关键信息。这些特性使得本发明的方法总体泛化性能更好，具有更好的自适应性，能够提取到更加细粒度的细节信息，进一步提高了点云数据的分类精度，且融合效率高。

本发明授权基于动静态卷积融合神经网络的多视图三维点云分类方法在权利要求书中公布了：1.一种基于动静态卷积融合神经网络的多视图三维点云分类方法，其特征在于，包括如下步骤：步骤S1，通过FSDC-Net的多视图选取部分将输入的三维点云投影变换为多视图表征；步骤S2，通过所述FSDC-Net的局部特征处理部分提取所述多视图表征的局部特征；步骤S3，通过所述FSDC-Net的全局特征融合部分将所述局部特征融合为全局特征；步骤S4，所述FSDC-Net基于所述全局特征对所述三维点云进行分类，其中，步骤S1包括如下子步骤：步骤S1-1，对所述三维点云的各个点的位置信息进行归一化；步骤S1-2，选取固定视点，并基于该固定视点对归一化后的所述三维点云进行投影，得到固定视图集；步骤S1-3，选取随机视点，并基于该随机视点对归一化后的所述三维点云进行投影，得到随机视图集；步骤S1-4，按预定比例分别从所述固定视图集和所述随机视图集中选取部分视图，并将其组合成多视图初始阶段的表征，即所述多视图表征，步骤S2包括如下子步骤：步骤S2-1，将每个所述视图进行卷积和最大池化；步骤S2-2，将每个所述视图串行地经过所述FSDC-Net中的多个FSDC层，其中，每个所述FSDC层对输入特征并行地应用静态卷积和轻量化动态卷积分别生成算子并分别提取特征，再通过两个可学习权重自适应地融合两个分支提取的特征，进而通过激活层得到输出特征作为所述局部特征，其中，用于进行所述轻量化动态卷积的动态卷积核通过以下子步骤得到：步骤S2-2-1，通过BatchPool函数对所述输入特征在Batch维度进行融合，从而达到轻量化的效果，如下式： 式中，Xi,Z1分别表示BatchPool前后的输入和输出特征，Xij,c,h,w表示输入的某一幅图像，b表示BatchSize的大小，c,h,w分别表示输入特征在通道、高度、宽度方向的集合；步骤S2-2-2，分别采用不同尺寸的卷积矩阵从不同感受野上对原始输入特征进行卷积操作，从而提取不同感受野上的信息；步骤S2-2-3，融合不同感受野上提取到的所述信息；步骤S2-2-4，通过Dropout层使所述FSDC层中的神经元按预定比例随机失活，从而避免过拟合问题；步骤S2-2-5，对每个所述FSDC层，通过卷积将原始动态权重改变至预定的通道数，并通过激活函数Sigmoid获得概率值作为所述FSDC层的动态权重，从而得到多个所述FSDC层的动态权重集合；步骤S2-2-6，将原始的多组卷积核与所述动态权重集合进行乘加，生成最终的所述动态卷积核。

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上海理工大学，其通讯地址为：200093 上海市杨浦区军工路516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”。