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！

龙图腾网获悉西安交通大学申请的专利一种基于平面约束与位置约束的3D目标检测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：CN116091574B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202310028861.X，技术领域涉及：G06T7/50；该发明授权一种基于平面约束与位置约束的3D目标检测方法及系统是由杨勐;周祥;丁瑞;郑南宁设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本一种基于平面约束与位置约束的3D目标检测方法及系统在说明书摘要公布了：本发明公开了一种基于平面约束与位置约束的3D目标检测方法及系统，输入数据RGB图像，使用深度估计模型ForeSeE训练得到深度图；使用实例分割掩膜对得到的深度图进行分割，将获得的前景部分转换为前景点云；以得到的前景点云为中心，大小与GT检测框相同生成伪点云框标签；冻结深度估计模型的参数，训练3D检测网络，采用伪点云标签作为训练标签，完成第一阶段训练，冻结3D检测网络F‑PointNet的参数，训练深度估计模型，利用GT检测框作为3D检测器的标签训练深度估计网络，完成第二阶段训练；交替训练第一阶段和第二阶段，使得3D检测网络F‑PointNet能够时刻正确预测伪点云位置。本发明不仅能够深度估计效果得到明显改观，轮廓更加突出，并提升3D检测模型性能。

本发明授权一种基于平面约束与位置约束的3D目标检测方法及系统在权利要求书中公布了：1.一种基于平面约束与位置约束的3D目标检测方法，其特征在于，包括以下步骤： S1、输入数据RGB图像，使用深度估计模型ForeSeE训练得到深度图，使用深度估计模型ForeSeE训练并预测深度的损失函数如下： 其中，，分别为前景与背景的像素级交叉熵损失函数；为前景损失的权重； 法向量约束计算如下： 其中，为物体2D框内的有效点组数，为预测法向量，为真实法向量； S2、使用实例分割掩膜对步骤S1得到的深度图进行分割，将获得的前景部分转换为前景点云； S3、以步骤S2得到的前景点云为中心，大小与GT检测框相同生成伪点云框标签； S4、冻结深度估计模型的参数，训练3D检测网络，采用步骤S3得到的伪点云标签作为训练标签，完成第一阶段训练，冻结3D检测网络F-PointNet的参数，训练深度估计模型，利用GT检测框作为3D检测器的标签训练深度估计网络，完成第二阶段训练；交替训练第一阶段和第二阶段，使得3D检测网络F-PointNet时刻正确预测伪点云位置； 第一个阶段的损失函数如下： 其中，为检测网络F-PointNet原有的损失函数，为预测3D框，为伪点云标签； 第二个阶段的损失函数如下： 其中，=6，==1，=0.001，为损失函数，为法向量约束，为梯度约束，为3D检测函数。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。