買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣州大學(xué)申請的專利基于點柱的二階多注意力機制3D點云目標(biāo)檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115908829B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211104980.0，技術(shù)領(lǐng)域涉及：G06V10/40；該發(fā)明授權(quán)基于點柱的二階多注意力機制3D點云目標(biāo)檢測方法是由嚴(yán)一爾;李鑫設(shè)計研發(fā)完成，并于2022-09-09向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于點柱的二階多注意力機制3D點云目標(biāo)檢測方法在說明書摘要公布了：本發(fā)明提供了基于點柱的二階多注意力機制3D點云目標(biāo)檢測方法，該方法包括以下步驟：提出基于點柱的二階點注意力機制、二階通道注意力機制、偽圖像空間注意力機制三種機制來分別實現(xiàn)目標(biāo)檢測的方法；提供一種網(wǎng)絡(luò)，該網(wǎng)絡(luò)主要由二階點注意力機制、點柱特征網(wǎng)絡(luò)、二階通道注意力機制、主干網(wǎng)絡(luò)、偽圖像空間注意力機制和SSD檢測頭組成，然后將點云體素化，對點云進(jìn)行二階點注意力機制操作，轉(zhuǎn)換成偽圖像的特征，偽圖像的特征進(jìn)行二階通道注意力機制操作，輸出偽空間的特征，對偽空間的特征進(jìn)行偽圖像空間注意力機制操作，輸出得到檢測結(jié)果；通過本發(fā)明，保證了相對較高的檢測速度也保證了提取的準(zhǔn)確性。

本發(fā)明授權(quán)基于點柱的二階多注意力機制3D點云目標(biāo)檢測方法在權(quán)利要求書中公布了：1.一種基于點柱的二階多注意力機制3D點云目標(biāo)檢測方法，其特征在于，包括： S1：提出基于點柱的二階點注意力機制、二階通道注意力機制、偽圖像空間注意力機制三種機制來分別實現(xiàn)目標(biāo)檢測的方法； S2：基于S1提供一種網(wǎng)絡(luò)，該網(wǎng)絡(luò)由二階點注意力機制、點柱特征網(wǎng)絡(luò)、二階通道注意力機制、主干網(wǎng)絡(luò)、偽圖像空間注意力機制和SSD檢測頭組成，該網(wǎng)絡(luò)也分為二階注意力模塊、二階點注意力模塊和二階通道注意力模塊； S3：將點云體素化，然后對點云進(jìn)行二階點注意力機制操作，轉(zhuǎn)換成偽圖像的特征； S4：對偽圖像的特征進(jìn)行二階通道注意力機制操作，輸出偽空間的特征； S5：對偽空間的特征進(jìn)行偽圖像空間注意力機制操作，輸出得到檢測結(jié)果； 其中，SSD檢測頭使用主干的特征來預(yù)測物體的三維邊界盒；二階注意力模塊包含全局最大池化、協(xié)方差池化和行卷積；S3中將點特征作為二階注意力模塊的輸入的情況下，將獲得二階點注意力機制權(quán)重作為輸出，該過程為二階點注意力模塊；當(dāng)通道特征輸入到二階注意力模塊時，將獲得二階通道注意力機制權(quán)重，該過程為二階通道注意力模塊； 在給定的第K個體素中，對于體素中所有的點XK∈RN×C,其中N代表點的數(shù)量的最大值、C表示通道的數(shù)量，在經(jīng)過全局最大池化后,得到每個維度上的最大值組成的向量EK∈RN×1 R，將EK∈RN×1輸入到一層全連接層，其中N×1代表N行1列的向量，得到向量QK∈Rt×1，其中t是經(jīng)過W1全連接層減少之后的點的數(shù)量，W1全連接層后面使用ReLU激活函數(shù)，計算得到同一體素中兩點之間的協(xié)方差矩陣IK∈Rt×t，其中在二階點注意力機制則t為點的數(shù)量、在二階通道注意力機制則t為通道的數(shù)量、t×t為維度，對協(xié)方差矩陣進(jìn)行逐行卷積，獲得向量J∈Rt ×1然后將向量J∈Rt×1輸入到W2全連接層并使用激活函數(shù)Sigmoid函數(shù)，獲得N維注意力向量s∈RN×1，所述S3中，二階點注意力機制表示為： s＝σW2RCCovσW1GMPX 式中，Cov·為計算點的協(xié)方差矩陣、RC·為行卷積、GMP·為全局最大池化、σ為ReLU激活函數(shù)、W1∈Rt×N與W2∈RN×t為兩個不同的全連接層、X為給定的第K個體素中的點X∈RN×C； 二階通道注意力機制與二階點注意力機制類似，通道特征經(jīng)過二階注意力模塊后，輸出產(chǎn)生了類似的權(quán)重，所述S4中，二階通道注意力機制表示為： M＝σW2RCCovσW1GMPY 式中，Y∈RC×H×W為偽圖像的特征，上標(biāo)H、W為偽圖像的高度和寬度。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人廣州大學(xué)，其通訊地址為：510006 廣東省廣州市大學(xué)城外環(huán)西路230號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。