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！

龙图腾网获悉中国科学技术大学申请的专利面向自动驾驶的镜像补全点云3D目标级联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：CN116403177B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310278621.5，技术领域涉及：G06V20/56；该发明授权面向自动驾驶的镜像补全点云3D目标级联检测方法是由刘军;曾子轩设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本面向自动驾驶的镜像补全点云3D目标级联检测方法在说明书摘要公布了：本发明公开了一种面向自动驾驶的镜像补全点云3D目标级联检测方法，该方法包括：对点云数据进行预处理操作，滤除孤立点和界外点，并对点云数据进行体素化操作，获得训练数据集；构建神经网络；通过训练数据集对神经网络进行训练，并且通过一阶段检测Loss、级联检测Loss和镜像损失Loss对神经网络的训练参数进行调整，获得完成训练的神经网络；通过所述完成训练的神经网络对预测数据集进行目标预测，将一阶段的预测概率最大的类别作为检测的目标信号预测标签，将级联检测的预测框结果作为目标的中心位置，尺寸大小和旋转角度。

本发明授权面向自动驾驶的镜像补全点云3D目标级联检测方法在权利要求书中公布了：1.一种面向自动驾驶的镜像补全点云3D目标级联检测方法，其特征在于，该方法包括： 对点云数据进行预处理操作，滤除孤立点和界外点，并对点云数据进行体素化操作，获得训练数据集； 构建神经网络； 通过训练数据集对神经网络进行训练，并且通过一阶段检测Loss、级联检测Loss和镜像损失Loss对神经网络的训练参数进行调整，获得完成训练的神经网络； 通过所述完成训练的神经网络对预测数据集进行目标预测，将一阶段的预测概率最大的类别作为检测的目标信号预测标签，将级联检测的预测框结果作为目标的中心位置，尺寸大小和旋转角度； 所述构建神经网络，具体为： 构建体素特征编码模块，并且根据体素数据获得体素特征与体素序号； 构建3D稀疏卷积模块，并且根据所述体素特征与体素序号获得多个层级尺度的体素特征； 构建鸟瞰图映射模块，并且根据所述多个层级尺度的体素特征中最大空间层级尺度的体素特征获得2D鸟瞰图； 构建2D卷积模块，并且根据所述2D鸟瞰图确定2D特征图像； 构建一阶段检测头，并且根据所述2D特征图像获得一阶段预测结果； 构造级联镜像补全检测头，并且根据所有多个层级尺度的体素特征获得级联阶段检测结果； 所述构造级联镜像补全检测头，并且根据所有多个层级尺度的体素特征获得级联阶段检测结果，具体为： 构造1个Voxel-RoI模块，输出为候选区对应的1维特征向量； 构造个3D检测头，每个检测头由1个MLP构成的分类预测器和1个MLP构成的检测框预测器，所有3D检测头拥有相同的结构和可训练参数数量，针对每个3D检测头，设置正样本Loss计算阈值,要求相邻的两个阈值之间，前一个要小于后一个，即,每个检测头输出预测框结果和分类结果； 所述每个3D检测头输出预测框结果和分类结果，具体为： 步骤401：初始化设置k=1，从第一个3D检测头开始进行计算，获取候选区信息，执行步骤402； 步骤402：若k=1，候选区信息来源于一阶段检测头的预测框结果和分类结果；否则，候选区信息来源于上一个3D检测头的预测框结果和分类结果； 步骤403：通过Voxel-RoI模块对当前候选区进行特征提取，获得第个3D检测头的候选区特征；若,则不使用镜像补全，否则，使用级联镜像补全； 步骤404：通过张量记录当前检测头的候选区特征，并按照3D检测头从小到大的顺序依次进行排列，将输入交叉注意力特征混合模块，获得混合后的候选区特征； 步骤405：将混合后的候选区特征输入到第个3D检测头中，当前3D检测头的预测框结果和分类结果； 步骤406：对执行，进行迭代，若，则执行步骤402，否则执行步骤407； 步骤407：若神经网络为训练过程，则以最后一个3D检测头的输出和作为最终测框结果和分类结果；若神经网络为测试过程，则以所有3D检测头的输出均值作为最终测框结果和分类结果； 所述步骤403中级联镜像补全，具体为： 步骤501：初始化设置k=1，设需要提取的体素特征层数为，设立最小镜像对称的分数阈值； 步骤502：选择当前层全体体素作为集合，根据当前体素的下标、探测范围下限和当前体素的物理尺寸大小求取所有体素的几何中心位置，其具体计算公式：； 步骤503：依据候选区信息先对检测框分数进行筛选，仅保留分数超过的检测框，再判断每个体素的几何中心是否在检测框内，仅保留位于检测框内的体素，构成集合； 步骤504：依据候选区信息中的检测框位置信息，计算出每个检测框的镜像平面，用4个参数表示成，镜像平面为检测框的XOZ平面，O为检测框中心，X为检测框中目标正常前进方向，Z为垂直背离地面方向，其中，构成镜像平面的法向量，通过预测框旋转角度和旋转前的法向量确定,通过检测框中心和确定； 步骤505：根据每个体素的中心坐标及其所在预测框的镜像平面，确定其镜像体素坐标，并且获得镜像体素集合； 步骤506：将当前层全体体素和镜像体素集合进行合并得到并集结果； 步骤507：对于神经网络训练阶段，对的数目进行判定，给定最小百分比阈值,若，则使用进行候选区层特征提取，否则使用进行候选区层特征提取，获得层特征；对执行，进行迭代，若，则执行步骤502，否则执行步骤508； 步骤508：将层特征进行特征维度拼接，得到候选区特征。

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中国科学技术大学，其通讯地址为：230002 安徽省合肥市金寨路96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。