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！

龙图腾网恭喜南京航空航天大学申请的专利一种激光雷达数据处理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：CN114814873B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210367870.7，技术领域涉及：G01S17/89；该发明授权一种激光雷达数据处理方法是由朱耀鎏;王春燕;赵万忠;张自宇;刘津强设计研发完成，并于2022-04-08向国家知识产权局提交的专利申请。

本一种激光雷达数据处理方法在说明书摘要公布了：本发明公开了一种激光雷达数据处理方法，包括：采集车辆前方初始稀疏点云数据，及车辆位置、姿态数据；从所述初始稀疏点云数据中提取第i+1帧点云数据和第i帧点云数据的目标对象特征；根据目标对象特征，得出第i+1帧点云数据到第i帧点云数据的平移向量和旋转矩阵；将点云数据经过坐标变换后拼接在一起，得到拼接后的点云数据；对第i帧点云数据进行插值，得到插值后的点云数据；将拼接后得到的点云数据与插值后得到的点云数据取均值，作为最终点云数据。本发明利用提取出来的目标对象的特征对相邻点云进行拼接，与插值得到的点云数据进行融合，将低线束的激光雷达采集的数据扩充为高线数激光雷达的点云数据，提升了点云数据处理后的鲁棒性和准确性。

本发明授权一种激光雷达数据处理方法在权利要求书中公布了：1.一种激光雷达数据处理方法，其特征在于，步骤如下：1采集车辆前方初始稀疏点云数据，及车辆位置、姿态数据；2从所述初始稀疏点云数据中提取第i+1帧点云数据和第i帧点云数据的目标对象特征；3根据步骤2中提取得到的目标对象特征，得出第i+1帧点云数据到第i帧点云数据的平移向量和旋转矩阵；4将第i+1帧点云数据和第i帧点云数据经过坐标变换后拼接在一起，得到拼接后的点云数据i*；5对第i帧点云数据进行插值，得到插值后的点云数据为6将拼接后得到的点云数据与插值后得到的点云数据取均值，作为最终点云数据；所述步骤2中特征提取方法具体为：21将整个场景中不同神经层的体素编码为少量关键点；22将步骤21中编码的关键点特征聚合到RoI网格中，对基于集合抽象操作的关键点到RoI网格特征进行提取，所述RoI为感兴趣区域；所述步骤21中的编码过程具体为：211关键点采样，从所述第i帧点云数据和第i+1帧点云数据中提取n个关键点K＝{p1,···,pn}，使用采集到的关键点来代表整个场景；212对卷积神经网络特征体到关键点的多尺度语义特征进行编码，在关键点周围得到具有多尺度语义特征的规则体素，所述编码过程包含体素集合抽象模块；213通过第i帧和第i+1帧原始点云数据和下采样得到的鸟瞰特征图的关键点特征来扩展体素集合抽象模块；214预测关键点权重，通过少量关键点对整个场景进行编码后，利用所述少量关键点进行候选框细化；所述步骤212中的体素集合抽象模块对不同的体素特征向量集进行集合抽象；卷积神经网络第k层的体素特征向量集式中，为第k层中第Nk个非空体素的特征向量；通过第k层的体素指数和实际体素大小计算的三维坐标式中，为第k层中第Nk个非空体素的三维坐标；Nk为第k层中非空体素的数量；对于每个关键点pi，在半径rk内的第k级识别其相邻的非空体素，以检索体素特征向量集： 式中，为第j个非空体素的特征向量；为的相对位置；为关键点pi的相邻体素集；rk为识别相邻体素的范围半径；为为第j个非空体素的三维坐标；为Nk个体素的位置集合；为Nk个体素的特征向量集合；生成的关键点pi的特征为： 式中，M·为从相邻体素集中随机采样最多Tk个体素；G·为神经网络中用来编码体素特征和相对位置；max·为最大池操作，将不同数量的相邻体素特征向量映射到关键点pi的特征向量将不同层次的聚合特征串联起来，生成关键点pi的多尺度语义特征： 所述步骤22中基于集合抽象操作的关键点到RoI网格特征提取具体为：221通过集合抽象实现RoI网格，对于每个3D候选框，将关键点特征聚合到具有多个感受野的RoI网格；在每个3D候选框中统一采样6×6×6个网格点，表示为G＝{g1,…,g216}；采用集合抽象操作，从关键点特征中聚合网格点的特征，半径r内网格点gi的相邻关键点为： 式中，pj-gi为指示特征与关键点的局部相对位置，Ψ为相邻的关键点特征集；将相邻的关键点特征集Ψ进行聚合，生成网格点gi的特征fig：fig＝max{GMΨ}6式中，M·为对相邻的关键点特征集Ψ进行随机采样；G·为神经网络中用来编码体素特征和相对位置；2223D候选框细化和可信度预测；利用候选框细化网络来学习预测相对于输入3D候选框的大小和位置残差；所述步骤5中的插值过程具体为：51记初始激光雷达的线数为σ1，目标数据的激光雷达线束为σ2，其中σ2＞σ1；52将激光雷达第i帧点云数据的每一行数据下方插入行数据，每帧激光雷达数据共插入行数据，其中m为第i帧点云数据的行数，所生成的图像记为i2，为原始数据行，为相邻两个原始数据的中间行，k∈[0,σ1；53对所述步骤52得到的扩充数据进行初始化，即新插入的四个通道均取0；54记待计算的点云数据各通道的值分别为x0*、y0*、z0*、l0*，上、下两个相邻的点云数据的各通道的值分别为x1、y1、z1、l1与x2、y2、z2、l2；对于点云数据三维直角坐标系x0、y0、z0的值，用上、下邻近两个像素对应通道的值的平均值来计算得到；对于点云数据反射强度l0的值，其与邻近点云的反射强度相同，使用上、下两个相邻点云的反射强度平均值作为该点云的反射强度，具体计算公式如下： 55为原始数据行，为非0数据行，为中间行，按所述步骤54中的方法，将相邻点云的反射强度平均值作为该点云的反射强度，继续将所有非0行填充完毕；所述步骤6中最终点云数据i'各通道的值分别为x'、y'、z'、l'，对于点云数据三维直角坐标系x'、y'、z'的值，用拼接所得和插值所得的对应通道的值的平均值来计算得到；对于点云数据反射强度l0的值，其与邻近点云的反射强度相同，使用上、下两个相邻点云的反射强度平均值作为该点云的反射强度；具体计算公式如下： 式中，i'为处理完毕后的点云数据；i*为拼接后的点云数据；为插值后的点云数据；x*,y*,z*为拼接后点云三维直角坐标系下的坐标；l*为激光雷达到某一点的反射强度；为拼接后点云三维直角坐标系下的坐标；为激光雷达到某一点的反射强度。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。