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！

龙图腾网获悉中国矿业大学申请的专利一种基于激光雷达的低慢小目标检测与轨迹预测跟踪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：CN121069407B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511606088.6，技术领域涉及：G01S17/66；该发明授权一种基于激光雷达的低慢小目标检测与轨迹预测跟踪方法是由李会军;刘昊华;叶宾;刘姜;姜明远;秦世良;尹倩设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本一种基于激光雷达的低慢小目标检测与轨迹预测跟踪方法在说明书摘要公布了：本发明公开了一种基于激光雷达的低慢小目标检测与轨迹预测跟踪方法，首先采集激光雷达点云数据，并对激光雷达点云数据进行空间建模和坐标变换的预处理；进行显著性筛选；基于距离分区驱动，进行Pillar构建与编码；构建深度学习检测网络；基于Anchor设计与匹配策略对融合后的特征中空中弱目标进行尺寸适配；基于扩展卡尔曼滤波器EKF对目标状态进行时序预测与观测更新，完成对低慢小目标检测与轨迹的预测跟踪。本发明能够在保留激光雷达高精度优势的同时，提升其对弱反射、小体积、运动不规则目标的识别能力，并具备强鲁棒性与环境适应能力，从而实现对低慢小飞行目标的稳定、精准感知与持续跟踪。

本发明授权一种基于激光雷达的低慢小目标检测与轨迹预测跟踪方法在权利要求书中公布了：1.一种基于激光雷达的低慢小目标检测与轨迹预测跟踪方法，其特征在于，包括如下步骤： 步骤1、采集激光雷达点云数据，并对激光雷达点云数据进行空间建模和坐标变换的预处理； 步骤2、对预处理后的数据进行显著性筛选，得到筛选后的点云数据； 步骤3、基于距离分区驱动，对筛选后的点云数据进行Pillar构建与编码，得到pillar表达向量； 步骤4、构建深度学习检测网络，以pillar表达向量作为输入，输出融合后的特征； 步骤4具体为：在主干网络的浅层与中层特征输出中，引入局部卷积响应进行自注意力估计，对特征图上的每一个空间位置计算其显著性权重，并将其作为尺度因子重新加权原始特征图： ， 其中，表示原始BEV特征图，为增强后结果； 采用自上而下的分辨率恢复机制，将高层语义特征进行逐步上采样，并与低层细节特征拼接融合；融合策略用如下形式表示： ， 其中，为当前尺度特征图，为上一级特征图，拼接后再经卷积整合特征维度，生成统一通道数的融合结果； 步骤5、基于Anchor设计与匹配策略对融合后的特征中空中弱目标进行尺寸适配； 步骤6、基于扩展卡尔曼滤波器EKF对目标状态进行时序预测与观测更新，完成对低慢小目标检测与轨迹的预测跟踪。

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矿业大学，其通讯地址为：221000 江苏省徐州市铜山区大学路1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。