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！

龙图腾网获悉西安建筑科技大学申请的专利一种基于类别引导的路侧交通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：CN115719485B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202211485987.1，技术领域涉及：G06V20/58；该发明授权一种基于类别引导的路侧交通目标检测方法是由王秉路;黄鑫;王昭中设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本一种基于类别引导的路侧交通目标检测方法在说明书摘要公布了：本发明公开了一种基于类别引导的路侧交通目标检测方法，检测步骤如下：S1.首先，在特征提取上，考虑到3D点云稀疏的特性，很难在非人为设计的目标特征下检测出目标本身，为消除3D点云对人工特征标注的依赖，使用体素特征提取方法；S2.待步骤S1完成后，基于体素划分的3D卷积网络在能很好的保留激光雷达的点云信息，但是推理速度慢且目标朝向估计偏差大，通过改进的3D稀疏卷积网络来提高路侧交通目标检测的精准度。本发明在特征提取上在现有方法上做出针对路测交通目标检测的改进提升准确度，同时本发明还利用先在模型训练上使用相关数据预训练与参数初始化来保证质量，然后在目标类上训练，这样能够准确地检测出结果，提高准确度。

本发明授权一种基于类别引导的路侧交通目标检测方法在权利要求书中公布了：1.一种基于类别引导的路侧交通目标检测方法，其特征在于：检测步骤如下： S1.首先，在特征提取上，考虑到3D点云稀疏的特性，很难在非人为设计的目标特征下检测出目标本身，为消除3D点云对人工特征标注的依赖，使用体素特征提取方法； S2.待步骤S1完成后，基于体素划分的3D卷积网络在能很好的保留激光雷达的点云信息，但是推理速度慢且目标朝向估计偏差大，通过改进的3D稀疏卷积网络来提高路侧交通目标检测的精准度； S3.待步骤S2完成后，在3D稀疏卷积中，首先使用2D密集卷积算法 其中u-u0和v-v0表示核偏移量u和v坐标，Fu,v,l,m表示过滤后的元素，Gu,v,l表示图像元素，u和v为空间位置指数，分别代表输入l和m输出通道，函数Px,y生成在给定提供的输出位置时需要计算的输入位置，卷积输出为Yx,y,m； S4.待步骤S3完成后，再利用基于矩阵乘法的算法来收集数据构造矩阵接着利用执行矩阵乘法进行换算； S5.待步骤S4完成后，再对稀疏数据G'i,l和关联输出Y'j,m进行计算； S6.待步骤S5完成后，随网络层数增加，会带来很多问题，其中包括：梯度消失，梯度爆炸；深度学习通过误差的链式反向传播来更新参数,一旦其中某一层反向传播中导数过小，多次连乘后梯度逐渐消失，而残差连接相当于在每层传播导数上加上了一个恒等数1； S7.待步骤S6完成后，在残差连接中，使用高斯误差线性单元GELU来替代整流线性单元RELU作为网络的激活函数； S8.待步骤S7完成后，经过特征提取处理路侧3D点云生成相应的特征后得到了RoI,再通过PredictedKeypointWeighting模块来降低不是前景点的关键点特征对refine阶段的影响，通过3D物体的真实框来提供物体的分割掩码，这些分割掩码将物体与物体以及物体与背景分开，由于在场景中的前景点远少于背景点，因此使用焦点损失函数来解决类别不均问题： Lfocalpt＝-αt1-ptγlogpt 其中α是类别平衡因子，调整正负样本的权重比例，γ为困难样本调节参数，通过动态调整损失权重，使模型更关注难以分类的样本，Pt表示点云为前景或背景的概率，得到整个RoI的特征后，就可以进行预测了； S9.待步骤S8完成后，最后，在模型训练上，使用相关数据预训练，参数初始化，保证质量好的基础上，再在目标类上训练，准确地检测出结果，提高准确度。

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建筑科技大学，其通讯地址为：710055 陕西省西安市碑林区雁塔路中段13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。