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！

龙图腾网获悉北京交通大学申请的专利基于点云特征聚合增强的列车前向净空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：CN119992504B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202411799289.8，技术领域涉及：G06V20/58；该发明授权基于点云特征聚合增强的列车前向净空目标检测方法及系统是由秦勇;连丽容;曹志威;高阳;郭建媛;徐磊;刘玉文;王安军;李威;于杭;彭根旺;白婕;戈轩宇;刘镇豪;李克雷;汪科成设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本基于点云特征聚合增强的列车前向净空目标检测方法及系统在说明书摘要公布了：本发明提供一种基于点云特征聚合增强的列车前向净空目标检测方法及系统，属于列车前向净空目标检测技术领域，获取车载点云数据，构建场景点云数据集；将稀疏的点云划分为规则的体素网格，体素特征编码将点云信息转化为紧凑的特征表示，并利用3D稀疏卷积逐层下采样提取多尺度体素特征；使用集合抽样对提取的多层次体素特征进行采样、分组和特征提取，将多尺度体素特征聚合到体素中心点；采用完全稀疏的高度压缩方法将提取的分层多尺度体素特征映射为BEV特征图，并通过2D稀疏卷积处理和跳跃连接，融合不同分辨率的BEV特征图；引入3D回归框的质心偏移损失以优化多任务损失，指导检测头实现列车前向净空目标分类和三维边界框回归。

本发明授权基于点云特征聚合增强的列车前向净空目标检测方法及系统在权利要求书中公布了：1.一种基于点云特征聚合增强的列车前向净空目标检测方法，其特征在于，包括： 获取车载点云数据，构建场景点云数据集； 将稀疏的点云划分为规则的体素网格，体素特征编码将点云信息转化为紧凑的特征表示，并利用3D稀疏卷积逐层下采样提取多尺度体素特征； 使用集合抽样对提取的多层次体素特征进行采样、分组和特征提取，将多尺度体素特征聚合到体素中心点；包括：点查询特征分组：将8x下采样层经过常规3D稀疏卷积特征编码后作为聚合层，该层体素单元的中心作为集合抽样的查询点Q，根据体素索引和体素实际尺寸计算得到查询点的空间坐标；点查询聚类：以每个查询点为中心，根据设定的第k层半径rk查找其在该层领域内的所有非空体素，得到局部分组非空体素集合，计算第k层的体素特征向量集合；点查询特征聚合：使用集合抽样对第k层的体素的特征进行提取； 采用完全稀疏的高度压缩方法将提取的分层多尺度体素特征映射为BEV特征图，并通过2D稀疏卷积处理和跳跃连接，融合不同分辨率的BEV特征图；包括：空间多倍率特征映射：采用完全稀疏的高度压缩操作，将多尺度非空体素特征映射到X-Y平面网格上，并对相同Z位置的特征进行累加，最终生成1x、2x、4x和8x下采样倍率的BEV稀疏特征映射；BEV多级特征特征提取：对得到的1x倍率的BEV稀疏特征映射，执行三级2D稀疏卷积下采样操作，逐层提取2x、4x和8x下采样倍率的BEV稀疏卷积特征；分层特征融合机制：在下采样过程中，引入分层特征融合机制，将多倍率BEV特征按照1x→2x→4x→8x的顺序逐级融合，提取高分辨率的全局语义信息，捕获更细节的上下文信息，获得具有丰富上下文信息的8x聚合特征；将得到的8x聚合特征转换为2D密集特征，并作为检测头的输入，用于目标分类和定位任务； 引入3D回归框的质心偏移损失以优化多任务损失，指导检测头实现列车前向净空目标分类和三维边界框回归；包括：2D特征提取网络负责进一步处理2D密集特征并生成最终的检测输出，包括两个子网络：一个自上而下的子网络将2D密集特征进行一次1x1卷积和两次下采样，另一个子网络反方向执行上采样恢复输入的空间分辨率，最后聚合所有层的特征和原始输入特征输入检测头，实现列车前向净空目标分类和三维边界框回归。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。