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！

龙图腾网获悉重庆理工大学申请的专利融合激光雷达点云和图像的稠密分割的3D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：CN116721251B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202310455275.3，技术领域涉及：G06V10/26；该发明授权融合激光雷达点云和图像的稠密分割的3D目标检测方法是由王勇;陈瑜;杨豫川设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本融合激光雷达点云和图像的稠密分割的3D目标检测方法在说明书摘要公布了：本发明公开了融合激光雷达点云和图像的稠密分割的3D目标检测方法，涉及3D目标检测技术领域。本发明至少包括以下内容：搭建具备视锥体提案生成、点稠密分割模块、多尺度质心估计模块和检测头的应用框架；通过2D检测器对给定场景的2D图像进行2D检测生成视锥体提案，对提案中的点进行实例分割，并对分割后的点进行质心估计从而利用检测头生成3D边界框完成检测。本发明融合了LiDAR点云和RGB图像，克服了目前对行人和骑车人等小型物体检测性能差的难题，同时保持了对汽车类的检测精度，且引入了点稠密分割模块和多尺度特征的质心估计方法，保留物体的纹理信息并提高检测精度，所提出的方法在KITTI数据集上的表现优于现有的方法，证明了其有效性。

本发明授权融合激光雷达点云和图像的稠密分割的3D目标检测方法在权利要求书中公布了：1.融合激光雷达点云和图像的稠密分割的3D目标检测方法，其特征在于：至少包括以下内容： 搭建具备视锥体提案生成、点稠密分割模块、多尺度质心估计模块和检测头的应用框架； 通过对给定场景的2D图像进行2D检测生成视锥体提案，并对提案中的点进行实例分割，分割后的离散点用于预测物体的质心，估计物体的3D边界框； 通过2D检测器从RGB图像中生成2D候选区域并对目标进行分类，将2D区域提升到3D空间，生成包含感兴趣目标的视锥体提案，检测到的类别被编码为one-hot向量，并输入到点稠密分割模块来分割提案中的物体实例； 通过点密集分割模块以DenseNet为骨干网络进行点密集分割，通过稠密连接保留低层次特征，实现在包含感兴趣目标的三维空间中精确的实例分割； 通过多尺度质心估计模块来估计不同尺度的三维物体的中心点，然后通过坐标变换使预测的中心点成为原点； 在网络的顶部，通过为给定的物体点云设计的检测头来获得物体的预测3D边界框，检测头的输出包含定义3D边界框的参数； 所述点稠密分割模块中使用one-hot向量，其中预定义的k个类别的k个维度来编码语义类别替换了DenseNet中的分类层，用于减少了空间几何信息的丢失，并将one-hot向量与中间点云特征连接； 所述点稠密分割模块中至少包括四个密集块来学习特征，并在每个稠密块之间添加一个过渡层，所述过渡层包括BatchNormalization层、ReLu层、1×1的卷积层以及最大池化层； 稠密块引入了从任意层到所有后续层的直接连接，因此，层接收前面所有层的特征作为输入： ; 其中表示层的特征串； 表示串联多个输入的单个张量； 由于稠密连接的使用导致通道数量急剧增加，引入过渡层将特征维度减半，用于控制模型复杂度； 初始卷积层和最大池化层的特征分辨率也保持不变，用于保持纹理特征； 所述多尺度质心估计模块由4个主要的特征提取块组成：卷积块、多尺度特征块、反卷积块和全连接块，所述多尺度特征块中通过下采样和卷积操作融合分割后物体的点云特征，下采样生成的低层次特征与one-hot编码的类向量进行拼接后进行卷积融合生成高层次特征。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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”。