Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江工业大学吴旻诚获国家专利权

浙江工业大学吴旻诚获国家专利权

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!

龙图腾网获悉浙江工业大学申请的专利一种面向移动环境实时感知的三维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:CN119992051B

龙图腾网通过国家知识产权局官网在2025-10-17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:202510071644.8,技术领域涉及:G06V10/25;该发明授权一种面向移动环境实时感知的三维目标检测方法是由吴旻诚;郑亚鹏;刘一凡;梁定坤;吴祥;董辉;郭方洪;陈积明设计研发完成,并于2025-01-16向国家知识产权局提交的专利申请。

一种面向移动环境实时感知的三维目标检测方法在说明书摘要公布了:本发明属于目标检测技术领域,公开了一种面向移动环境实时感知的三维目标检测方法,包括移动设备多视角图像输入图像骨干网络提取得到图像二维特征;将图像二维特征输入深度预测网络和语义预测网络,得到深度预测值和语义预测值,对深度预测值进行多级深度监督,对语义预测值进行语义监督;将图像二维特征投影至三维空间中得到BEV特征;采用混合分辨率网格对BEV特征进行双线性插值采样,形成新的BEV特征;将新的BEV特征输入BEV特征编码网络,再通过3D检测头得到三维目标检测结果;对三维目标检测结果进行检测监督,并结合所有监督更新网络参数。本发明充分利用深度信息提升检测效果,且通过混合分辨率网格适配实际检测需求。

本发明授权一种面向移动环境实时感知的三维目标检测方法在权利要求书中公布了:1.一种面向移动环境实时感知的三维目标检测方法,其特征在于,所述面向移动环境实时感知的三维目标检测方法,包括: 将训练集中的移动设备多视角图像输入图像骨干网络提取得到图像二维特征; 将图像二维特征分别输入深度预测网络和语义预测网络,得到深度预测值和语义预测值,对深度预测值进行多级深度监督,对语义预测值进行语义监督; 将图像二维特征投影至三维空间中,得到BEV特征; 采用混合分辨率网格对BEV特征进行双线性插值采样,形成新的BEV特征; 将新的BEV特征输入BEV特征编码网络,再通过3D检测头得到移动设备环境的三维目标检测结果; 对三维目标检测结果进行检测监督,并结合多级深度监督和语义监督更新图像骨干网络、深度预测网络、语义预测网络、BEV特征编码网络和3D检测头; 实时采集新的移动设备多视角图像,输入训练后的图像骨干网络、深度预测网络、语义预测网络、BEV特征编码网络和3D检测头,得到对应的三维目标检测结果,并基于三维目标检测结果得到鸟瞰视角检测结果; 其中,所述对深度预测值进行多级深度监督,包括: 1语义加权的点级绝对深度监督:将移动设备多视角图像的深度真值和语义真值进行one-hot编码并下采样到图像二维特征的大小,得到深度标签值和语义标签值,然后基于深度预测值和深度标签值,计算BinaryCrossEntropy损失如下: ; ; 式中,表示移动设备多视角图像的语义加权的点级绝对深度损失,表示输入为深度预测值和深度标签值的BinaryCrossEntropy损失,为前景背景权重因子,为前景权重因子,为背景权重因子,表示像素点属于前景,表示像素点属于背景; 2目标内部结构级相对深度监督:取移动设备多视角图像中每个目标内部深度预测误差绝对值最小的像素点作为该目标的内部结构参考点,内部结构参考点的深度预测值和深度标签值分别记为和,所述深度预测误差绝对值为深度预测值和深度标签值的差值的绝对值,计算每个目标内部其他像素点相对内部结构参考点的深度预测差值和深度标签差值,并计算两者的MSE损失,公式如下: ; 式中,表示移动设备多视角图像的目标内部结构级相对深度损失,表示输入为深度预测差值和深度标签差值的MSE损失; 3目标空间分布级相对深度监督:每张移动设备多视角图像内取每个目标内部深度标签值最小的点作为该目标的代表点,代表点的深度预测值和深度标签值分别记为和,计算深度预测值和深度标签值的差值,每张移动设备多视角图像内取差值绝对值最小的代表点作为代表点所在移动设备多视角图像的目标空间分布参考点,空间分布参考点的深度预测值和深度标签值分别记为和,再计算每张移动设备多视角图像内其他代表点相对所在移动设备多视角图像的空间分布参考点的深度预测差值和深度标签差值,并计算两者的MSE损失,公式如下: ; 式中,表示移动设备多视角图像的目标空间分布级相对深度损失,表示输入为深度预测差值和深度标签差值的MSE损失; 4计算深度监督总损失如下: ; 式中,表示移动设备多视角图像的深度监督总损失,表示第一层级损失系数,表示第二层级损失系数,表示第三层级损失系数。

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浙江工业大学,其通讯地址为:310014 浙江省杭州市下城区潮王路18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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。