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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于多尺度特征融合的点云目标检测方法、装置和设备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：CN116152622B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310213950.1，技术领域涉及：G06V10/80；该发明授权基于多尺度特征融合的点云目标检测方法、装置和设备是由石志广;张勇;张焱;沈奇;张宇;凌峰设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本基于多尺度特征融合的点云目标检测方法、装置和设备在说明书摘要公布了：本申请涉及一种基于多尺度特征融合的点云目标检测方法、装置和设备，包括：将原始点云数据对应的伪图像输入主干网络，并对最后一个选定特征提取层输出的特征图进行反卷积得到多组反卷积特征图；将选定特征提取层输出的特征图与对应的反卷积特征图进行级联融合得到多组初始融合特征图并进行划分，得到不包括第一个选定特征提取层对应的初始融合特征图的第一特征图集合以及不包括除去最后一个选定特征提取层对应的初始融合特征图的第二特征图集合，分别将第一和第二特征图集合中的初始融合特征图进行级联融合得到第一和第二融合特征图，将第一和第二融合特征图进行级联融合得到目标特征图进行检测。采用本方法能够提高点云目标检测的准确性。

本发明授权基于多尺度特征融合的点云目标检测方法、装置和设备在权利要求书中公布了：1.一种基于多尺度特征融合的点云目标检测方法，其特征在于，所述方法包括： 根据原始点云数据生成伪图像； 将所述伪图像输入主干网络后，对所述主干网络中最后一个选定特征提取层输出的特征图进行多次反卷积，得到对应的多组反卷积特征图；其中反卷积的次数与选定特征提取层的层数相同； 将所述主干网络中的选定特征提取层输出的特征图分别与对应的所述反卷积特征图进行级联融合，得到多组初始融合特征图； 对所述多组初始融合特征图进行划分，得到包括除去第一个选定特征提取层对应的初始融合特征图的其他多组初始融合特征图的第一特征图集合，以及包括除去最后一个选定特征提取层对应的初始融合特征图的其他多组初始融合特征图的第二特征图集合； 将所述第一特征图集合中的初始融合特征图进行级联融合得到第一融合特征图，将所述第二特征图集合中的初始融合特征图进行级联融合得到第二融合特征图； 将所述第一融合特征图和所述第二融合特征图进行级联融合，得到目标特征图； 根据所述目标特征图进行点云目标检测； 将所述主干网络中的选定特征提取层输出的特征图分别与对应的所述反卷积特征图进行级联融合，得到多组初始融合特征图，包括： 将所述主干网络中的选定特征提取层输出的特征图分别输入对应的卷积注意力模块，得到对应的多组注意力特征图； 将各组注意力特征图分别与对应的所述反卷积特征图进行级联融合，得到多组初始融合特征图； 将所述主干网络中的选定特征提取层输出的特征图分别输入对应的卷积注意力模块，得到对应的多组注意力特征图，包括： 将所述主干网络中的选定特征提取层输出的特征图进行通道拆分，得到对应的第一通道特征图和第二通道特征图； 将所述第一通道特征图馈入平均池化层得到平均池化特征图，将所述平均池化特征图进行1×1卷积后输入sigmoid函数，输出所述平均池化特征图的第一权重值，将第一通道特征图与第一权重值相乘得到第一通道初始注意力图，将所述第一通道初始注意力图与第一通道特征图相加得到第一通道注意力图； 将所述第二通道特征图馈入最大池化层得到最大池化特征图，将所述最大池化特征图进行1×1卷积后输入sigmoid函数，输出所述最大池化特征图的第二权重值，将第二通道特征图与第二权重值相乘得到第二通道初始注意力图，将所述第二通道初始注意力图与第二通道特征图相加得到第二通道注意力图； 将所述第一通道注意力图和第二通道注意力图相加后进行1×1卷积，得到对应的多组注意力特征图。

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人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。