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！

龙图腾网获悉同济大学申请的专利一种基于注意力和采样学习的点云目标检测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：CN114120270B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202111314134.7，技术领域涉及：G06V20/58；该发明授权一种基于注意力和采样学习的点云目标检测方法是由田炜;赵晓龙;邓振文;黄禹尧;谭大艺;韩帅设计研发完成，并于2021-11-08向国家知识产权局提交的专利申请。

本一种基于注意力和采样学习的点云目标检测方法在说明书摘要公布了：本发明涉及一种基于注意力和采样学习的点云目标检测方法，包括以下步骤：1采集待检测目标的点云数据；2根据点云数据，通过点云提取网络提取点云特征；3根据点云特征，通过k最近值下采样法筛选出目标索引点特征；4根据目标索引点特征，通过自适应点云特征聚合网络，将点云特征聚合为候选目标特征；5根据候选目标特征，通过多层感知机生成待检测目标的类别、位置和尺寸信息。与现有技术相比，本发明具有可靠性强、准确率高等优点。

本发明授权一种基于注意力和采样学习的点云目标检测方法在权利要求书中公布了：1.一种基于注意力和采样学习的点云目标检测方法，其特征在于，包括以下步骤： 1）采集待检测目标的点云数据； 2）根据点云数据，通过点云提取网络提取点云特征，所述的点云提取网络包括若干个点云注意力网络和若干层特征传播网络，所述的若干个点云注意力网络依次连接，所述的若干层特征传播网络与若干个点云注意力网络跳跃连接； 所述的点云注意力网络包括第一自注意力模型、采样学习网络、两个点网络以及第一前馈网络，每个点云注意力网络提取点云特征的过程包括以下步骤： 201）将输入特征输入采样学习网络，生成子点云； 202）将输入特征和生成的子点云一同输入其中一个点网络，获得邻域特征向量，所述的对应的坐标经过多层感知机，生成点云位置编码； 203）将与步骤202）生成的点云位置编码相加后，通过一个线性投影层投影为点云查询序列； 204）通过最远点采样算法提取的子集，将和输入另一个点网络，生成邻域特征向量集合，将邻域特征向量集合与步骤202）生成的点云位置编码相加后，再通过一个线性投影层投影生成点云特征序列，包括点云键特征序列和点云值特征序列； 205）将、和输入第一自注意力模型，生成新的点云特征，具体步骤包括： 231）将、和沿特征维度分为组，分别与对应的点云位置编码组合相加，对应获得带有点云位置信息的点云特征序列、和，： 232）计算注意力分数矩阵，计算公式为： 其中，为特征通道数； 233）计算中间向量序列组，计算公式为： 将沿特征通道维度拼接，得到中间特征向量序列； 234）将与步骤202）生成的邻域特征向量相加，并经过层归一化，生成特征； 235）将输入第一前馈网络，再将第一前馈网络生成的特征与相加，并进行层归一化，生成新的点云特征； 其中，对于第一个点云注意力网络的采样学习网络，输入特征为点云数据，对于其余点云注意力网络的采样学习网络，输入特征为上一个点云注意力网络输出的点云特征； 3）根据点云特征，通过k最近值下采样法筛选出目标索引点特征； 4）根据目标索引点特征，通过自适应点云特征聚合网络，将点云特征聚合为候选目标特征，所述的自适应点云特征聚合网络包括若干层解码层，每层解码层包括第二自注意力模型、互注意力模型和第二前馈网络，将点云特征聚合为候选目标特征的具体步骤包括： 401）第一层解码层以步骤3）生成的目标索引特征为输入，其余解码层以前一解码层输出的第一目标特征为输入，生成新的第一目标特征和第二目标特征，并将新的第一目标特征输入多层感知机，生成目标位置信息，根据目标位置信息生成目标位置编码，新的第二目标特征由上一层解码层生成的目标位置编码和第一目标特征相加得到； 402）将第二目标特征向量输入三个线性投影层，生成目标查询特征序列、点云键特征序列、点云值特征序列； 403）以、、分别代替步骤231）中的、、，并执行步骤231）~233），生成中间特征向量序列； 404）将中间特征向量序列与解码层输入的目标特征相加后，经过层归一化，生成特征； 405）将特征与目标位置编码相加后，经过线性投影，得到目标查询特征序列； 406）将步骤2）所提取的点云特征与点云位置编码相加后，经过两个线性投影层，分别得到点云键特征序列和点云值特征序列； 407）以、、分别代替步骤231）中的、、，并执行步骤231）~233），生成中间特征向量序列； 408）将中间特征向量序列与特征相加后，经过层归一化，生成特征； 409）将输入第二前馈网络，再将第二前馈网络生成的特征与相加，并进行层归一化，得到当前解码层输出的第一目标特征向量； 410）判断当前解码层是否为最后一层解码层，若是则将当前解码层输出的第一目标特征向量作为候选目标特征，步骤结束，否则执行步骤401）； 5）根据候选目标特征，通过多层感知机生成待检测目标的类别、位置和尺寸信息。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。