龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：深圳市优必选科技股份有限公司
摘要：本申请提供一种多模态BEV感知模型预训练方法和计算机设备，涉及智能驾驶技术领域。本申请在得到由车辆周围环境的原始雷达点云数据依次经地面点去除和点云移位分别形成的第一二雷达点云数据后，会调用目标多模态BEV感知模型的点云骨干网络提取第一二雷达点云数据各自包括的多个随机聚类点和多个随机非聚类点的BEV点云特征，并根据所有随机聚类点与所有随机非聚类点各自的实际类别标签值和BEV点云特征，对点云骨干网络进行网络优化，而后多次重复执行前述几项步骤，从而充分利用3D标注作业前的原始雷达点云数据对点云骨干网络进行预训练，以提升对应感知模型在采用3D标注数据训练后的3D目标检测性能。
主权项：1.一种多模态BEV感知模型预训练方法，其特征在于，所述方法包括：获取车辆周围环境的原始雷达点云数据，并对所述原始雷达点云数据进行地面点去除，得到第一雷达点云数据；对所述第一雷达点云数据进行点云移位，得到第二雷达点云数据；调用目标多模态BEV感知模型的点云骨干网络提取所述第一雷达点云数据与所述第二雷达点云数据各自包括的多个随机聚类点和多个随机非聚类点的BEV点云特征；根据所有随机聚类点与所有随机非聚类点各自的实际类别标签值和BEV点云特征，对所述点云骨干网络进行网络优化，而后跳转到调用所述点云骨干网络提取所述第一雷达点云数据与所述第二雷达点云数据各自包括的多个随机聚类点和多个随机非聚类点的BEV点云特征的步骤继续执行，直至所述点云骨干网络的实际优化次数达到预设优化次数为止。
全文数据：
权利要求：
百度查询： 深圳市优必选科技股份有限公司 一种多模态BEV感知模型预训练方法和计算机设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号