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！

龙图腾网获悉南京邮电大学申请的专利雷视传感融合的天时场景自适应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：CN116469095B 。

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：202310437055.8，技术领域涉及：G06V20/64；该发明授权雷视传感融合的天时场景自适应三维目标检测方法是由张晖;孙恩东;赵海涛;朱洪波设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本雷视传感融合的天时场景自适应三维目标检测方法在说明书摘要公布了：本发明提出了雷视传感融合的场景自适应三维目标检测方法，首先对输入的点云数据与图像数据分别提取原始点云特征与图像特征；然后将原始点云经过矩阵变换投影到图像特征图上，对点云投影点进行逐点特征融合，得到点云的逐点融合特征；再构建场景驱动的三维目标检测网络，根据当前场景中的天气时间状况与目标尺度大小提出天时感应因子与场景尺度因子，并根据天时感应因子与场景尺度因子自适应的实现逐点融合特征与原始点云特征的全局特征融合，并将全局融合特征输入三维区域生成网络生成感兴趣区域，提取出区域特征后送入三维目标检测网络完成三维目标检测；最后利用训练好的三维目标检测网络对目标进行实时检测。

本发明授权雷视传感融合的天时场景自适应三维目标检测方法在权利要求书中公布了：1.雷视传感融合的场景自适应三维目标检测方法，其特征在于，具体过程如下： 步骤1，对输入的点云数据与图像数据分别提取原始点云特征与图像特征； 步骤2，将输入的点云数据投影到图像特征上，对点云投影点进行逐点特征融合，得到点云数据的逐点融合特征； 步骤3，构建场景驱动的三维目标检测网络，利用训练好的三维目标检测网络对目标进行实时检测； 所述步骤3具体过程如下： 步骤3.1，将逐点融合特征FLI和原始点云特征FL输入全局特征融合网络，进行全局特征融合： 首先，通过两个全连接层将FLI和FL映射到相同的通道维度中； 然后，通过天时感应因子α自适应地调整后，相加形成紧凑特征送入全连接层，得到其中，FC表示全连接层；⊙为逐元素相乘操作；为逐元素相加操作；ɑ为天时感应因子； F′LI为逐点配准特征调整权重；tanh为tanh激活函数，sigmoid为sigmoid激活函数；Wmap为逐点配准特征权重图；F″LI为调整后的逐点配准特征；为特征拼接操作；F″′LI为全局融合特征； 再后，将F′LI压缩为权重图Wmap，Wmap与F′LI相乘得到F″LI；其中，F″LI＝Wmap⊙F′LI，Wmap＝sigmoidFCtanhF′LI；tanh为tanh激活函数，sigmoid为sigmoid激活函数； 最后，通过场景尺度因子β进行尺度判断后，进行特征拼接，得到全局融合特征； 步骤3.2，将全局融合特征F″′LI输入三维区域生成网络生成感兴趣区域，并提取出感兴趣区域的区域特征后，送入三维目标检测网络完成检测； 所述步骤3.1中，天时感应因子α的计算方法如下： 1将输入的图像数据由RGB颜色空间转换到YCbCr颜色空间； 2天时感应因子ɑ的计算公式如下： 其中Y+Cb+Cr表示输入的图像数据和先验图像中Y、Cb和Cr三个分量的总数，用于归一化；Ycur_χ、Cbcur_χ、Crcur_χ表示输入的图像数据中Y、Cb、Cr三个分量取值为χ的数目；Ybas_χ、Cbbas_χ、Crbas_χ表示先验图像中Y、Cb、Cr三个分量取值为χ的数目； 所述步骤3.1中，场景尺度因子β的计算过程如下： 首先，使用U-Net++网络对输入的图像数据进行语义分割，得出输入的图像数据中每个像素点的所属类别； 然后，将点云数据投影到U-Net++网络输出的分割结果图上，采用K近邻方法判定投影点所属类别； 最后，根据每个类别投影点数量计算场景尺度因子，计算公式如下： 其中βmax为拥有最多投影点的类别所拥有的投影点数量，βmin为拥有最少投影点的类别所拥有的投影点数量。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。