1.技术简介

近年来，图表示的三维数据在三维场景建模、CAD设计、医疗可视化等领域广泛应用，但其无序性与多样性给现有深度学习方法带来巨大挑战。

本发明面向复杂三维形状的智能处理，提出一种新颖的3D图卷积学习方法。主要创新包括：(1)局部几何与全局结构联合学习机制：分别基于空间域构造局部谱图以度量几何相似性，基于特征域构造全局谱图以捕获内蕴结构相似性，从而融合局部几何与全局上下文特征，获得更稳定且区分性强的形状描述符。(2)自适应动态谱图卷积网络：动态构造局部子图结构，并引入注意力机制对各层卷积特征进行加权融合，使提取的深度特征对复杂几何变换具有更强鲁棒性，显著提升三维形状分析与识别性能。

2.应用范围

本专利技术可广泛应用于多种三维数据处理场景，包括：计算机辅助设计（CAD）中的复杂零件识别与建模、医疗影像中的器官三维重建与分析、虚拟现实（VR）与增强现实（AR）中的环境感知与交互、机器人导航中的三维障碍物识别，以及社交媒体中的三维物体检索与分类。此外，其在数字文物保护、游戏设计及工业检测等领域也具有重要的应用价值。

3.知识产权

发明名称：基于局部几何与全局结构联合学习的3D图卷积分类方法

发明人：韩丽;兰鹏燕;石雪;王晓旻;何金海

专利号：ZL 2022 1 0156495.1

4. 转让方式

本项目拟采取一次性完全转让（专利权转让）的方式。具体转让费用双方协商，受让方可获得本技术的全部专利权及相关技术资料。

5.联系人及电话

科研处：聂肖松，0411-82159891。