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！

龙图腾网恭喜同济大学申请的专利一种用于自动驾驶的动态障碍物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：CN114022563B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202111238591.2，技术领域涉及：G06T7/80；该发明授权一种用于自动驾驶的动态障碍物检测方法是由田炜;文永琨;邓振文;黄禹尧;谭大艺;韩帅设计研发完成，并于2021-10-25向国家知识产权局提交的专利申请。

本一种用于自动驾驶的动态障碍物检测方法在说明书摘要公布了：本发明提供一种用于自动驾驶的动态障碍物检测方法，包括以下步骤：通过车载传感器设备获取车辆运行过程中的环境图像流、点云数据和定位数据；将所述环境图像流分成连续的帧图像，对每一对连续的帧图像依次进行2D特征点的检测和匹配、2D特征点的3D位置的还原和恢复、3D特征点的动静态点的甄别，以及构建动静二值标签；将所有帧图像的动静二值标签作为神经网络的输入，训练神经网络；实时采集车辆运行过程中的环境图像流，以点云数据和定位数据，并输入训练好的神经网络，获取动静二值分割图像，进而实现动态障碍物的检测。与现有技术相比，该方法能够通过对动态目标和静态目标进行分割，进而实现动态障碍物检测，并提高障碍物检测的准确性。

本发明授权一种用于自动驾驶的动态障碍物检测方法在权利要求书中公布了：1.一种用于自动驾驶的动态障碍物检测方法，其特征在于，包括以下步骤：S1：通过车载传感器设备获取车辆运行过程中的环境图像流，以及环境图像流对应的点云数据和定位数据；S2：将所述环境图像流分成连续的帧图像，并根据点云数据和定位数据，对每一对连续的帧图像依次进行2D特征点的检测和匹配、2D特征点的3D位置的还原和恢复、3D特征点的动静态点的甄别，以及为每一帧图像构建动静二值标签；S3：将所有连续的帧图像所构建的动静二值标签作为神经网络的输入，并结合交叉熵损失函数训练神经网络；S4：实时采集车辆运行过程中的环境图像流，以及环境图像流对应的点云数据和定位数据，并输入训练好的神经网络，获取动静二值分割图像，进而实现动态障碍物的检测；所述S2包括以下步骤：S2.1：对每一对连续的帧图像进行2D特征点的检测与匹配，并获取2D特征匹配点集；S2.2：根据点云数据，对所述2D特征匹配点集中的每一对匹配点的每一特征点进行3D位置的还原和恢复，进而获取3D特征匹配点集；S2.3：根据所述3D特征匹配点集和定位数据，建立运动约束条件方程，并根据残差值的大小对3D特征点集中的每一个3D特征点进行动静态点的甄别；S2.4：根据动静态点的甄别结果，构建动静二值标签；所述S2.2中对每一特征点进行3D位置的还原和恢复，包括以下步骤：S2.2.1：根据点云数据，将激光雷达3D点投影到帧图像上；S2.2.2：以每一特征点为中心，在帧图像上划定一个感兴趣区域，并收集投影到感兴趣区域内的激光雷达3D点；S2.2.3：判断感兴趣区域内的激光雷达3D点的数量是否小于指定阈值，若小于，则直接抛弃该区域，否则进行S2.2.4；S2.2.4：根据感兴趣区域内的激光雷达3D点并采用最小二乘法拟合平面，根据平面残差的均值评估该平面的质量，并保留质量好的平面进行S2.2.5；S2.2.5：根据射线与局部平面相交方程恢复点的3D位置；所述S2.4包括以下步骤：S2.4.1：遍历所有的动态特征点，并对其感兴趣区域中的像素点进行投票；S2.4.2：遍历所有的静态特征点，并对其感兴趣区域中的像素点的票数置0；S2.4.3：统计每一帧图像中每一像素点的总票数，并判断总票数的大小是否大于设定阈值，若是，则认为该像素点为动态点，否则认为该像素点为静态点；S2.4.4：将每一像素点的总票数进行二值化，构建动静二值化标签。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。