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！

龙图腾网获悉中山大学申请的专利基于双分支神经网络的大规模点云几何压缩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：CN116128985B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202310133342.X，技术领域涉及：G06T9/40；该发明授权基于双分支神经网络的大规模点云几何压缩方法是由左典;郁鹏鹏;梁凡;孙伟设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本基于双分支神经网络的大规模点云几何压缩方法在说明书摘要公布了：本发明公开了基于双分支神经网络的大规模点云几何压缩方法，包括：将点云表示为节点序列，经过稠密特征窗口与稀疏特征窗口采集，并将两个窗口的采集结果输入到包括稠密上下文分支与稀疏上下文分支的基于Transformer的双分支神经网络，有效地提取稀疏的大规模上下文和局部细节上下文，稠密特征采样结果与稀疏特征采样结果可以互补，避免压缩所有的点云，从而减少空间占用，进而将稀疏上下文特征与稠密上下文特征进行融合，并确定节点占用码及概率分布，然后通过熵模型将占用码及概率分布进行编码，最终实现对大规模点云的高效压缩。本发明可以减少大规模点云压缩的占用空间且效率较高，可广泛应用于点云压缩领域。

本发明授权基于双分支神经网络的大规模点云几何压缩方法在权利要求书中公布了：1.基于双分支神经网络的大规模点云几何压缩方法，其特征在于，包括： 将输入的点云以八叉树形式表示，并通过祖先节点聚合模块将所述八叉树表示为节点序列； 利用稠密特征窗口对所述节点序列进行采样，得到稠密特征采样结果；利用稀疏特征窗口对所述节点序列进行采样，得到稀疏特征采样结果；所述稠密特征窗口的窗口长度小于所述稀疏特征窗口的窗口长度； 将所述稠密特征采样结果输入到基于Transformer的双分支神经网络中的稠密上下文分支，得到稠密上下文特征；将所述稀疏特征采样结果输入到基于Transformer的双分支神经网络中的稀疏上下文分支，得到稀疏上下文特征； 通过特征混合模块将所述稠密上下文特征与稀疏上下文特征进行融合，得到融合特征； 通过所述双分支神经网络根据所述融合特征确定所述稠密特征采样结果与所述稀疏特征采样结果中的每个节点的占用码与占用码的概率分布； 将所述占用码与占用码的概率分布输入到熵模型，得到所述熵模型编码后输出的码流； 所述利用稠密特征窗口对所述节点序列进行采样，得到稠密特征采样结果，包括： 利用稠密特征窗口滑动采集所述节点序列中的稠密节点； 将每个所述稠密节点的占用码、层级及象限号连接，以构成稠密主特征向量； 通过在所述稠密主特征向量上执行可学习embedding矩阵，以获得每个所述稠密节点的embedding； 聚合每个所述稠密节点的祖先的embedding，以构成稠密融合embedding矩阵，所述稠密融合embedding矩阵作为稠密特征采样结果； 所述利用稀疏特征窗口对所述节点序列进行采样，得到稀疏特征采样结果，包括： 利用稀疏特征窗口滑动采集所述节点序列中的稀疏节点； 将每个所述稀疏节点的层级与象限号连接，以构成稀疏主特征向量； 通过在所述稀疏主特征向量上执行可学习embedding矩阵，以获得每个所述稀疏节点的embedding； 聚合每个所述稀疏节点的祖先的embedding，以构成稀疏融合embedding矩阵，所述稀疏融合embedding矩阵作为稀疏特征采样结果。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。

以上内容由龙图腾AI智能生成。