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(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉無(wú)錫學(xué)院;無(wú)錫亮源激光技術(shù)有限公司申請(qǐng)的專利結(jié)合注意力機(jī)制與體素特征聚合的三維目標(biāo)檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120451513B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02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(qǐng)?zhí)?專利號(hào)為：202510929945.X，技術(shù)領(lǐng)域涉及：G06V10/25；該發(fā)明授權(quán)結(jié)合注意力機(jī)制與體素特征聚合的三維目標(biāo)檢測(cè)方法是由李紅旭;盧益濤;郭美嬋;苑欣晁;張永宏;馮小明;王興輝;遲榮華;李世雨設(shè)計(jì)研發(fā)完成，并于2025-07-07向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本結(jié)合注意力機(jī)制與體素特征聚合的三維目標(biāo)檢測(cè)方法在說(shuō)明書摘要公布了：本發(fā)明公開(kāi)了結(jié)合注意力機(jī)制與體素特征聚合的三維目標(biāo)檢測(cè)方法，屬于目標(biāo)檢測(cè)技術(shù)領(lǐng)域。該方法包括：獲取待檢測(cè)圖片的三維點(diǎn)云數(shù)據(jù)；利用稀疏卷積網(wǎng)絡(luò)提取體素化后三維點(diǎn)云數(shù)據(jù)的體素特征；將體素特征投影到鳥瞰視角表示上，生成鳥瞰圖；采用空間和通道協(xié)同注意力機(jī)制提取鳥瞰圖的增強(qiáng)特征；對(duì)原始三維點(diǎn)云數(shù)據(jù)下采樣，得到關(guān)鍵點(diǎn)，對(duì)關(guān)鍵點(diǎn)進(jìn)行二次優(yōu)化；利用增強(qiáng)的擴(kuò)展體素集抽象模塊，將體素特征和鳥瞰圖聚合到相應(yīng)的關(guān)鍵點(diǎn)上，得到待檢測(cè)圖片最終的特征；通過(guò)3D提案細(xì)化，得到預(yù)測(cè)包圍框。本發(fā)明提高了三維目標(biāo)檢測(cè)模型的魯棒性，增加了泛化能力。

本發(fā)明授權(quán)結(jié)合注意力機(jī)制與體素特征聚合的三維目標(biāo)檢測(cè)方法在權(quán)利要求書中公布了：1.結(jié)合注意力機(jī)制與體素特征聚合的三維目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟： 獲取待檢測(cè)圖片的三維點(diǎn)云數(shù)據(jù)； 將三維點(diǎn)云數(shù)據(jù)進(jìn)行體素化，利用稀疏卷積網(wǎng)絡(luò)提取體素化后三維點(diǎn)云數(shù)據(jù)的體素特征； 將體素特征投影到鳥瞰視角表示上，生成鳥瞰圖； 采用空間和通道協(xié)同注意力機(jī)制提取鳥瞰圖的增強(qiáng)特征； 對(duì)原始三維點(diǎn)云數(shù)據(jù)下采樣，得到關(guān)鍵點(diǎn)，對(duì)關(guān)鍵點(diǎn)進(jìn)行二次優(yōu)化，將多級(jí)特征收斂到關(guān)鍵點(diǎn)； 利用增強(qiáng)的擴(kuò)展體素集抽象模塊，將體素特征和鳥瞰圖聚合到相應(yīng)的關(guān)鍵點(diǎn)上，得到待檢測(cè)圖片最終的特征； 通過(guò)3D提案細(xì)化，得到預(yù)測(cè)包圍框； 對(duì)原始三維點(diǎn)云數(shù)據(jù)下采樣，得到關(guān)鍵點(diǎn)，對(duì)關(guān)鍵點(diǎn)進(jìn)行二次優(yōu)化，將多級(jí)特征收斂到關(guān)鍵點(diǎn)的步驟包括： 步驟501，輸入點(diǎn)云數(shù)據(jù)集為，其中是輸入點(diǎn)的數(shù)量，是每個(gè)點(diǎn)的特征維度，目標(biāo)是從中選出具有代表性的子集，其中是子集中采樣的點(diǎn)數(shù)；為每個(gè)輸入點(diǎn)分配一個(gè)采樣權(quán)重，權(quán)重通過(guò)點(diǎn)云特征和一個(gè)可學(xué)習(xí)的權(quán)重矩陣來(lái)計(jì)算，公式為： ， ， 其中，表示第j個(gè)點(diǎn)的采樣權(quán)重，是可學(xué)習(xí)的權(quán)重矩陣，表示第j個(gè)點(diǎn)的采樣得分，k表示第k個(gè)采樣點(diǎn)，是軟采樣的輸出，T表示轉(zhuǎn)置； 步驟502，在訓(xùn)練時(shí)，Gumbel-Softmax采樣生成連續(xù)的軟采樣輸出，公式為： ， 式中，表示通過(guò)Gumbel-Softmax得到的采樣結(jié)果；是點(diǎn)的采樣概率分?jǐn)?shù)，是從Gumbel分布中采樣的噪聲，是退火溫度參數(shù)； 經(jīng)過(guò)軟采樣后得到關(guān)鍵點(diǎn)，公式為： ， 式中，N表示關(guān)鍵點(diǎn)特征的個(gè)數(shù)，表示經(jīng)過(guò)關(guān)鍵點(diǎn)特征，是原始點(diǎn)云的特征子集； 步驟503，將關(guān)鍵點(diǎn)輸入至文本融合模塊，通過(guò)PointNet++特征提取網(wǎng)絡(luò)提取點(diǎn)云特征，得到特征點(diǎn)，根據(jù)特征點(diǎn)計(jì)算調(diào)制特征g，公式為： ， 其中，是可學(xué)習(xí)的權(quán)重矩陣，是偏置項(xiàng)，σ是Sigmoid激活函數(shù)； 利用調(diào)制特征g對(duì)特征點(diǎn)進(jìn)行門控處理，得到上下文門控后的特征，公式為： ， 式中，是另一組可學(xué)習(xí)的權(quán)重矩陣； 利用增強(qiáng)的擴(kuò)展體素集抽象模塊，將體素特征和鳥瞰圖聚合到相應(yīng)的關(guān)鍵點(diǎn)上，得到待檢測(cè)圖片最終的特征的步驟包括： 步驟601，以每個(gè)關(guān)鍵點(diǎn)的位置為中心，在第m層的體素特征層中進(jìn)行鄰域搜索，在半徑內(nèi)找到鄰近的非空體素特征，并將非空體素特征聚合； 步驟602，使用PointNet深度學(xué)習(xí)模型對(duì)關(guān)鍵點(diǎn)的鄰域特征進(jìn)行隨機(jī)采樣和非線性變換，然后通過(guò)最大池化將不同數(shù)量的鄰域特征映射成一個(gè)固定大小的特征向量，為每一個(gè)關(guān)鍵點(diǎn)生成多尺度特征，公式為： ， 式中，是通道維度上的最大池化；為一個(gè)多層感知機(jī)，用于將體素特征和相對(duì)位置特征進(jìn)行非線性變換；表示隨機(jī)采樣；表示不同的分辨率層；和為層中第個(gè)體素的特征向量和三維坐標(biāo)；是第層半徑，、分別表示第層所有非空體素的坐標(biāo)、特征集合； 步驟603，將所有多尺度特征進(jìn)行融合，形成3D的多尺度特征； 步驟604，將鳥瞰圖、鳥瞰圖的增強(qiáng)特征以及上下文門控后的特征，聚合到多尺度特征上，得到最終的特征F，公式為： ， 式中，為二維鳥瞰圖，為鳥瞰圖的增強(qiáng)特征圖。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人無(wú)錫學(xué)院;無(wú)錫亮源激光技術(shù)有限公司，其通訊地址為：214105 江蘇省無(wú)錫市錫山區(qū)錫山大道333號(hào)；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)”。