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！

龙图腾网获悉南京理工大学申请的专利基于GABP神经网络的线扫描点云目标识别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：CN117132908B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202311019566.4，技术领域涉及：G06V20/17；该发明授权基于GABP神经网络的线扫描点云目标识别方法是由查冰婷;刘浩东;郑震;王成君;张合;钟琪设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。

本基于GABP神经网络的线扫描点云目标识别方法在说明书摘要公布了：本发明公开了一种基于GABP神经网络的线扫描点云目标识别方法，首先将构建的全备目标点云特征多维先验知识库进行归一化；针对线阵激光雷达成像方式，充分利用线阵激光雷达相邻成像的时间差，针对性设计特征提取网络，完成线扫描数据的特征升维和特征提取；将多次线扫描数据按照扫描顺序排列组成时间序列，依次输入特征提取网络，最后进行特征拼接和分类预测；设计的GABP网络分为遗传算法参数寻优与BP神经网络目标识别两部分，通过改进的GA和BP网络的优势互补，使GABP网络具有更优秀的泛化能力，以此优化目标识别算法；将训练好的分类器模型装载在飞行器的MCU中，可以完成战场目标的快速智能识别与分类。

本发明授权基于GABP神经网络的线扫描点云目标识别方法在权利要求书中公布了：1.一种基于GABP神经网络的线扫描点云目标识别方法，其特征在于，步骤如下： 步骤1、在飞行器头部的底面搭载线阵激光雷达，线阵激光雷达的探测器和飞行器之间存在前倾角，结合飞行器的运动轨迹，利用线阵激光雷达平扫探测区域，依次获取探测区域内各目标切面的实测稀疏点云像，以此获取实测数据，转入步骤2； 步骤2、使用Blender三维建模软件模拟雷达探测过程，输出仿真数据；联合实测数据和仿真数据构建全备目标点云特征多维先验知识库，转入步骤3； 步骤3、设计MLP多层感知机，同时确定网络拓扑结构和特征分量参数，完成GABP神经网络的结构和最终损失函数设计： 其中，网络拓扑结构和特征分量参数包括特征提取层、各层神经元个数、学习速率、激活函数； 参考PointNet点云目标特征提取网络，设计针对线扫描点云的GABP神经网络，线阵激光雷达每扫描一次获得一行切面点云数据，包含λ个点，表示为λ×3，使其依次经过5层MLP多层感知机，即依次经过包含64、64、128、256、1024个神经元的共享权重的卷积层，使数据依次特征升维为λ×64、λ×64、λ×128、λ×256、λ×1024； 假设要获取目标区域的全部点云数据需要扫描t次，每次扫描生成一个时间戳，按照扫描时间排列组成包含t个时间戳的时间序列，将该时间序列依次经过MLP多层感知机生成λ1×1024，λ2×1024…λt×1024共t组特征数据，λ1、λ2、…、λt分别表示不同时间戳对应的切面点云数，沿着数据的第一维拼接为num×1024，拼接特征num＝λ1+λ2+…+λt，经过全局最大值池化层maxpollinglayer得到1×1024维数据，在上述每层神经元计算后采用激活函数fh： 其中，ε为超参数控制负数区域的斜率，h为神经元的值；设置初始学习率参数为0.01，当最终损失函数的值连续十次不下降时，自动设置学习率衰减为原来的十分之一； 最后经过两层全连接层fullyconnectedlayers最终输出各分类的概率值1×k，k为识别目标的类别数，完成GABP神经网络的结构设计； 转入步骤4； 步骤4、使用GA遗传算法优化GABP神经网络，得到GABP神经网络最优初始参数，转入步骤5； 步骤5、以GABP神经网络的最优初始参数作为初始训练参数，利用全备目标点云特征多维先验知识库和BP反向传播算法循环训练GABP神经网络，获取GABP神经网络的最优参数，转入步骤6； 步骤6、将获取的最优神经网络参数部署到上述GABP神经网络中，得到神经网络分类器模型，再将神经网络分类器模型装载在飞行器的MCU中，实现对战场目标的识别与分类。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。