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！

龙图腾网获悉云南大学;云南省遥感中心申请的专利一种基于多次随机采样的激光点云语义分割方法及系统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：CN121053385B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511159283.9，技术领域涉及：G06V10/26；该发明授权一种基于多次随机采样的激光点云语义分割方法及系统是由代恒铭;赵志芳;刘朝海;王金强设计研发完成，并于2025-08-19向国家知识产权局提交的专利申请。

本一种基于多次随机采样的激光点云语义分割方法及系统在说明书摘要公布了：本发明公开了一种基于多次随机采样的激光点云语义分割方法及系统，包括：选取点云特征提取器，构建点云语义分割模型，每个降采样阶段执行多次不重叠的随机采样，获得多个空间分布互补的点云子集；通过共享权重的点云特征提取器对各点云子集进行特征编码，获得各点云子集的高维点云特征，并内插至当前层次的输入点云，基于注意力机制实现多次观测特征的空间互补融合，增强特征稳定性；计算不同点云子集特征的局部差异，构建信息评分函数，自适应地选择信息丰富点进行下采样，生成下一层级点云。本发明兼具随机采样的高效性和空间结构感知能力，显著提升点云语义分割精度；不依赖于特定的点云特征提取器，具备通用性和可扩展性，易于实现。

本发明授权一种基于多次随机采样的激光点云语义分割方法及系统在权利要求书中公布了：1.一种基于多次随机采样的激光点云语义分割方法，其特征在于，包括如下步骤： 步骤1：选取点云特征提取器，构建语义分割模型，并进行层次化的特征提取，每个降采样阶段执行多次不重叠的随机采样，获得多个空间分布互补的点云子集； 步骤2：通过共享权重的点云特征提取器对各点云子集进行特征编码，获得各点云子集的高维点云特征； 步骤3：将各点云子集的高维点云特征通过最近邻插值方法传播至当前层次的输入点云，并通过基于空间关系的注意力机制融合多次观测特征；包括： 通过最近邻插值将每个点云子集提取的高维点云特征传播至当前层级的原始点云，使每个点获得多个随机观测下的特征表示，包括本点云子集的中心特征和由其他点云子集内插得到的辅助特征； 针对每个点，构建基于空间位置和特征信息的相对编码，公式如下： 其中，表示中心特征点的坐标，表示第s次随机采样的辅助特征点的坐标，表示中心特征点的与辅助特征点的相对位置差，表示第s次随机采样的辅助特征，表示中心特征与辅助特征的特征差； 将所述相对编码输入至一个用于生成特征表示的多层感知机网络和一个用于生成注意力权重的多层感知机网络； 将中心特征及辅助特征通过注意力机制进行融合，得到融合特征，其计算公式如下： 其中，表示用于精细调整的多层感知机网络，表示softmax函数，表示随机采样次数，表示逐元素相乘； 步骤4：根据各点云子集的高维点云特征的局部差异计算信息评分，自适应地选择信息丰富点进行下采样，生成下一层级点云；根据各点云子集的高维点云特征的局部差异计算信息评分包括以下子步骤： 对每个点构造高维特征集合，所述高维特征集合包括本点云子集的中心特征与多个来自邻近随机点云子集的辅助观测特征；对每组辅助观测特征执行最大值池化操作，获得不包含中心特征的聚合特征，记为： 其中，表示最大值池化操作，m表示本组辅助观测特征的总数，表示本组的辅助观测特征； 对每组辅助观测特征和中心特征执行最大池化操作，得到包含中心特征的聚合特征： 分别计算以下两个特征距离，获取不同点云子集特征的局部差异： 其中，表示用于反映中心特征的重要程度的值；表示用于反映中心特征对最大值池化输出的影响程度的值； 基于与构建用于衡量局部特征差异的信息评分函数，其形式如下： 其中，表示用于反映点云点的局部结构复杂情况和信息量丰富情况的信息评分。

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云南大学;云南省遥感中心，其通讯地址为：650031 云南省昆明市五华区翠湖北路2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。