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！

龙图腾网获悉海南大学三亚南繁研究院;武汉谷丰光电科技有限公司申请的专利基于三维点云的大豆豆荚状态联合标注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：CN121600270B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610124903.3，技术领域涉及：G06V10/26；该发明授权基于三维点云的大豆豆荚状态联合标注方法是由李海燕;赵艳;周永刚;孙墨楠;裴双康;姚文博;张丽娟;施煜荪;叶军立;张俊;陈重设计研发完成，并于2026-01-29向国家知识产权局提交的专利申请。

本基于三维点云的大豆豆荚状态联合标注方法在说明书摘要公布了：本发明涉及大豆植株信息分析技术领域，尤其涉及一种基于三维点云的大豆豆荚状态联合标注方法。包括：对目标大豆植株进行多视角扫描，同步获取各视角深度图像与彩色图像，并在大豆植株上布设标志点；对深度图像数据进行空间对齐并统一至同一全局坐标系；配准后生成大豆植株的初始彩色三维点云，进行后处理，得到优化后的三维点云模型；设定结构化二进制编码规则，根据编码规则对优化后的三维点云模型进行实例分割标注，并为每个豆荚实例分配符合编码规则的二进制编码；标注后核查与清洗，再通过重采样、空间归一化，将处理后的点云数据转换为二进制文件，提取豆荚实例对应的二进制编码，快速解析得到炸荚状态与粒数信息。

本发明授权基于三维点云的大豆豆荚状态联合标注方法在权利要求书中公布了：1.一种基于三维点云的大豆豆荚状态联合标注方法，其特征在于：具体包括如下步骤： S1.采用三维扫描设备，围绕目标大豆植株从多个预设扫描站位进行多视角扫描，在每个扫描站位同步获取该视角下的深度图像与彩色图像，并在大豆植株上布设用于空间参考的标志点；单株大豆植株布设4-6个标志点，标志点分别粘贴于大豆植株的基部、中部不同分枝及顶部主茎，且标志点不遮挡豆荚区域； S2.对所述深度图像数据进行空间对齐，将所有深度图像数据统一至同一全局坐标系；具体包括如下子步骤： S21.粗配准：基于标志点和从深度图像中提取的几何特征点或从彩色图像中提取的外观特征点，在不同图像间进行特征匹配，并估计相邻视角图像间的刚体变换矩阵，实现初步对齐； S22.精配准与全局优化：采用迭代最近点算法对粗配准结果进行精细化迭代；利用集束调整法对所有扫描站位的刚体变换矩阵进行全局优化，以最小化累计误差，最终将所有深度图像统一至同一全局坐标系下； S3.基于配准后的深度图像数据与彩色图像数据生成大豆植株的初始彩色三维点云，对初始彩色三维点云依次进行噪声去除、数据简化及表面平滑的后处理，得到优化后的三维点云模型；具体包括如下子步骤： S31.对配准后的每一幅深度图像，通过坐标反投影原理，依据相机内参将像素坐标u,v及深度值depth转换为全局坐标系下的三维空间点X,Y,Z，并融合对应彩色图像的R,G,B颜色信息，合成完整的初始彩色三维点云； S32.对重建的初始彩色三维点云，应用统计滤波或半径滤波去除离群噪声点；采用体素化网格下采样方法在保持模型形状的前提下简化数据；利用移动最小二乘法对点云表面进行平滑处理，获取大豆植株的三维点云数据； S4.设定结构化二进制编码规则，根据编码规则对优化后的三维点云模型进行实例分割标注，并为每个豆荚实例分配符合编码规则的二进制编码； S5.对标注后的点云数据进行核查与清洗，再通过重采样、空间归一化，将处理后的点云数据转换为适配深度学习的格式并序列化为二进制文件存储； S6.读取二进制文件，提取豆荚实例对应的二进制编码，快速解析得到每个豆荚的炸荚状态与粒数信息。

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海南大学三亚南繁研究院;武汉谷丰光电科技有限公司，其通讯地址为：572024 海南省三亚市崖州区甘农大道三亚南繁种业众创中心；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。