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！

龙图腾网恭喜西安理工大学申请的专利一种基于局部特征增强的RandLA-Net室外场景语义分割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：CN114758129B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202210394473.9，技术领域涉及：G06V20/70；该发明授权一种基于局部特征增强的RandLA-Net室外场景语义分割方法是由宁小娟;王兰兰;石其帅;金海燕;石争浩;王映辉设计研发完成，并于2022-04-12向国家知识产权局提交的专利申请。

本一种基于局部特征增强的RandLA-Net室外场景语义分割方法在说明书摘要公布了：本发明公开了一种基于局部特征增强的RandLA‑Net室外场景语义分割方法，首先通过对中心点与邻近点的坐标、相对位置和法向量方向变化进行编码来提取点云的空间几何特征，通过将中心点特征与邻域点特征进行堆叠得到提取语义特征，并对几何特征和语义特征进行连接得到增强后的特征。其次，通过注意力机制学习每个特征的权重，将权重与特征相乘并对加权后的特征求和得到聚合后的特征。然后，通过扩张残差块来增大每个点的感受野，提升网络分割精度。最后，使用编码层‑解码层的网络结构实现室外场景语义分割。本发明对大规模场景具有良好的分割效果，在分割精度上有了一定提升，拥有较好的鲁棒性。

本发明授权一种基于局部特征增强的RandLA-Net室外场景语义分割方法在权利要求书中公布了：1.一种基于局部特征增强的RandLA-Net室外场景语义分割方法，其特征在于，具体按照如下步骤实施：步骤1，数据预处理：输入原始点云数据，使用体素网格滤波方法对原始场景进行下采样得到预处理后的点云数据；步骤2，法向量计算：使用主成分分析方法估计预处理后的点云表面法向量；步骤3，数据集封装：原始点云包括七维信息，其中，分别表示点云的三维坐标信息，表示点云的颜色信息，表示点云所属类别信息，将预处理后的点云表面法向量加入到预处理后的点云数据中，保存成ply格式文件，并生成kdtree文件和投影文件；步骤4，优化RandLA-Net网络编码器并进行特征提取：将封装后的ply格式的点云数据输入优化后的RandLA-Net网络编码器，进行点云特征提取；所述步骤4具体为：步骤4.1，将RandLA-Net网络编码器优化为5个编码层，每个编码层包括随机采样模块和扩张残差块，扩张残差块包括两个局部特征提取模块、两个特征聚合模块、数据封装后的点坐标和十维点特征，每个编码层输出的特征维度分别是[32,128,256,512,1024]；步骤4.2，局部特征提取模块提取局部特征：对预处理后各点在空间中的相对位置显式地进行编码，获取点云空间的几何特征，将点云中每个点的特征与其邻域点特征进行卷积操作，提取点云的语义特征，对点云的几何特征和语义特征进行连接，得到点的局部特征；步骤4.3，特征聚合模块提取全局特征：通过一个由多层感知机MLP网络和softmax组成的共享函数来学习每个点局部特征对应的权重，即注意力分数，将每个点局部特征的注意力分数与对应的局部特征相乘，最后，对所有加权后的特征求和，得到聚合后点的全局特征；步骤4.4，扩张残差块增大点的感受野：将两个局部特征提取模块、两个特征聚合模块、数据封装后点的坐标以及十维特征堆叠在一起组成扩张残差块，增大点的全局特征维度，提取深层点的全局特征，获取点云特征；步骤5，使用RandLA-Net网络解码器进行特征映射：将提取到的点云特征输入RandLA-Net网络解码器，将点云特征映射到每个点上即得到映射后的点云特征；步骤6，语义分割：将映射后的点云特征通过RandLA-Net网络的三个全连接层和一个dropout层处理得到每个点云的类别分数，实现大规模场景语义分割。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。