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！

龙图腾网获悉华东交通大学申请的专利一种基于投影约束与混合监督的叶片点云重建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：CN121582516B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610115210.8，技术领域涉及：G06T17/20；该发明授权一种基于投影约束与混合监督的叶片点云重建方法及系统是由李斌;侯佑飞;陈雪;陈楠;刘燕德;宋远辉;欧阳尚韬;吴凯;余和凡;吴建;李雄;王观田;姜小刚设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本一种基于投影约束与混合监督的叶片点云重建方法及系统在说明书摘要公布了：本申请属于计算机视觉与智慧农业技术领域，公开了一种基于投影约束与混合监督的叶片点云重建方法及系统，该方法包括：获取种苗的多模态数据并进行预处理；构建具有特征流转一致性的点云自编码网络输出预测点云；构建完整性感知的分层混合监督损失函数，其包含：根据样本完整性标签动态切换约束方式的动态三维几何损失，利用可微渲染技术将预测点云投影后与二维分割掩码计算以校准边缘的可微投影一致性损失，以及保证补全区域平滑性的局部拓扑正则化损失；采用课程学习策略动态调整各损失项权重进行网络训练。本方法利用易于获取的二维图像信息实现了亚毫米级的边缘重建，显著提升了残缺叶片点云补全的质量与叶面积测量的准确性。

本发明授权一种基于投影约束与混合监督的叶片点云重建方法及系统在权利要求书中公布了：1.一种基于投影约束与混合监督的叶片点云重建方法，其特征在于，包括以下步骤： 获取待训练种苗的深度图、RGB图像、根据所述RGB图像生成的叶片二维语义分割掩码以及指示所述深度图对应点云完整性的完整性指示变量，将所述深度图转换为输入点云； 将所述输入点云与所述叶片二维语义分割掩码和所述完整性指示变量一同输入至待训练的点云自编码网络，输出预测点云； 计算所述点云自编码网络的总目标函数损失值，所述总目标函数损失值包括： 根据所述完整性指示变量，在所述输入点云与所述预测点云之间计算的动态三维几何损失，所述动态三维几何损失的计算公式为：；当所述完整性指示变量为1时，表示所述输入点云为完整样本，采用上述计算公式进行计算；当所述完整性指示变量为0时，表示所述输入点云为不完整样本，将上述计算公式中的第二项置零后进行计算；式中，为所述预测点云，为预测点云包含的点数，为所述输入点云，为输入点云包含的点数，表示欧氏距离的平方； 将所述预测点云通过可微渲染投影至二维平面生成预测掩码，并计算所述预测掩码与所述叶片二维语义分割掩码之间的可微投影一致性损失，所述可微投影一致性损失的计算方式为：在三维空间中构建与真实采集设备内参一致的虚拟相机；通过可微光栅化函数将所述预测点云投影至二维图像平面，并利用预设尺寸的均值平滑核对光栅化结果进行卷积平滑，生成二维概率掩码；计算所述二维概率掩码与所述叶片二维语义分割掩码之间的交并比损失，作为所述可微投影一致性损失，其计算公式如下：；式中，和分别表示图像的宽度和高度；和分别代表在像素处的预测概率值和真实概率值；为防止分母为零的微小常数； 以及，为约束所述预测点云在缺失区域的几何形态而计算的局部拓扑正则化损失，所述局部拓扑正则化损失由拉普拉斯平滑项和点间排斥项加权构成，用于在所述输入点云为不完整样本时，抑制所述预测点云在缺失区域的发散和噪声，其计算公式如下：；式中，和分别为平滑项和紧致项的权重系数；所述拉普拉斯平滑项利用k近邻点的中心来约束曲面平滑度，其计算公式为：；式中，表示点云中的第个点，表示点的近邻点集合，为该点的近邻点集合的数量； 获得所述总目标函数损失值，用于通过梯度反向传播更新所述点云自编码网络的网络参数。

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华东交通大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街808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。