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！

龙图腾网恭喜浙江大学申请的专利一种基于点云跨视图特征转换的实时三维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：CN114511846B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210080792.2，技术领域涉及：G06V20/64；该发明授权一种基于点云跨视图特征转换的实时三维目标检测方法是由项志宇;顾佳琦设计研发完成，并于2022-01-24向国家知识产权局提交的专利申请。

本一种基于点云跨视图特征转换的实时三维目标检测方法在说明书摘要公布了：本发明公开了一种基于点云跨视图特征转换的实时三维目标检测方法。利用激光雷达采集得到的三维点云，投影成二维环视图；建立神经网络结构，利用点‑环视特征提取模块对三维点云和二维环视图两种格式进行特征提取，得到三维特征点云；利用分层体素柱模块对三维特征点云进行网格化，最后投影到鸟瞰视图上，得到鸟瞰视图特征；对神经网络结构训练，获得训练好的神经网络结构，将待测的激光雷达点云输入到神经网络结构中，再计算该场景预测得到的三维框。本发明有效提升了基于激光雷达点云的三维目标检测的检测精度，能够充分利用点云各个视图之间的特征优势，并且仅利用一维和二维卷积来完成三维目标检测，在高实时性的条件下提升了三维目标检测精度。

本发明授权一种基于点云跨视图特征转换的实时三维目标检测方法在权利要求书中公布了：1.一种基于点云跨视图特征转换的实时三维目标检测方法，其特征在于，包括以下步骤：1通过激光雷达采集场景的三维点云，对三维点云进行环视投影获得对应的二维环视图；2建立神经网络结构，利用已知数据集及对应的二维环视图对神经网络结构进行训练，设置总损失函数对神经网络结构进行监督，获得训练好的神经网络结构；3将待测场景的三维点云和对应的二维环视图输入到训练好的神经网络结构，输出神经网络结构的回归残差和当前待测场景的分类图，基于当前待测场景的分类图和回归残差进行预测三维框的计算，获得最后的预测三维框；所述步骤2中，神经网络结构包括点-环视特征提取模块、分层体素柱模块和稀疏检测头模块；神经网络结构的输入输入到点-环视特征提取模块中，点-环视特征提取模块经分层体素柱模块后与稀疏检测头模块相连，稀疏检测头模块的输出作为神经网络结构的输出；所述点-环视特征提取模块包括环视图分支、点分支和三个点-环视特征融合块，环视图分支通过三个点-环视特征融合块与点分支相连；环视图分支包括六个编码模块和四个解码模块，点分支包括3个1D卷积层；三维点云输入到第一1D卷积层，二维环视图输入到第一编码模块，第一1D卷积层输出的第一点云特征P1和第一编码模块输出的第一环视图特征E1均输入到第一点-环视特征融合块中，第一点-环视特征融合块分别输出更新后的第一点云特征和第一环视图特征，更新后的第一点云特征输入到第二1D卷积层中，更新后的第一环视图特征输入到第二编码模块，第二编码模块依次经第三编码模块、第四编码模块和第五编码模块后与第六编码模块相连，第二1D卷积层输出的第二点云特征P2和第六编码模块输出的第六环视图特征E6均输入到第二点-环视特征融合块中，第二点-环视特征融合块分别输出更新后的第二点云特征和第六环视图特征，更新后的第二点云特征输入到第三1D卷积层中，更新后的第六环视图特征输入到第一解码模块，第一解码模块依次经第二解码模块和第三解码模块后与第四解码模块相连，第三1D卷积层输出的第三点云特征P3和第四解码模块输出的第十环视图特征D4均输入到第三点-环视特征融合块中，第三点-环视特征融合块分别输出更新后的第三点云特征和第十环视图特征，将更新后的第三点云特征记为3D特征点云并作为点-环视特征提取模块的输出；所述点-环视特征融合块中首先根据点云特征对应的二维环视图，利用双线性插值方法对点云特征各个点进行采样，获得点的2D特征，将输入的环视图特征作为点的3D特征，将点的2D特征和点的3D特征进行级联后输入到依次相连的3个1D卷积层中，最后一个1D卷积层的输出作为更新后的点云特征，将最后一个1D卷积层的输出进行环形反投影后获得更新后的环视图特征。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。