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)獲悉吉林大學(xué)申請的專利一種適用于無人車的激光雷達(dá)點(diǎn)云實(shí)時(shí)三維目標(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：CN119693933B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09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：202411804069.X，技術(shù)領(lǐng)域涉及：G06V20/64；該發(fā)明授權(quán)一種適用于無人車的激光雷達(dá)點(diǎn)云實(shí)時(shí)三維目標(biāo)檢測方法是由張晉東;金婧祎;王壹銘;劉益彤設(shè)計(jì)研發(fā)完成，并于2024-12-10向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種適用于無人車的激光雷達(dá)點(diǎn)云實(shí)時(shí)三維目標(biāo)檢測方法在說明書摘要公布了：本發(fā)明公開了一種適用于無人車的激光雷達(dá)點(diǎn)云實(shí)時(shí)三維目標(biāo)檢測方法，包括步驟：目標(biāo)檢測數(shù)據(jù)集準(zhǔn)備；模型訓(xùn)練；參數(shù)更新；仿真數(shù)據(jù)準(zhǔn)備；基于仿真數(shù)據(jù)的模型推理與結(jié)果評估；模型部署與實(shí)車數(shù)據(jù)準(zhǔn)備；基于實(shí)車數(shù)據(jù)的模型推理和數(shù)據(jù)保存；數(shù)據(jù)上傳與標(biāo)注；增量學(xué)習(xí)與參數(shù)更新。本發(fā)明所提出的三維目標(biāo)檢測模型具體包括：預(yù)處理模塊；主干網(wǎng)絡(luò)模塊；頸部網(wǎng)絡(luò)模塊；特征選擇模塊；檢測頭模塊。本發(fā)明所提出的三維目標(biāo)檢測模型通過將點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為多種鳥瞰圖像，挖掘更豐富的空間信息；采用二維距離感知稀疏卷積層進(jìn)行特征提取，并通過雙分支網(wǎng)絡(luò)實(shí)現(xiàn)多視角特征融合；結(jié)合多尺度特征金字塔網(wǎng)絡(luò)和特征選擇模塊，有效提升遠(yuǎn)距離目標(biāo)和小目標(biāo)的檢測精度；通過構(gòu)建高效的神經(jīng)網(wǎng)絡(luò)架構(gòu)，并結(jié)合訓(xùn)練、仿真測試與真實(shí)數(shù)據(jù)增量學(xué)習(xí)的策略，有效提升了目標(biāo)檢測模型的魯棒性、精度和自適應(yīng)能力，為無人駕駛系統(tǒng)提供了強(qiáng)大的感知支持。

本發(fā)明授權(quán)一種適用于無人車的激光雷達(dá)點(diǎn)云實(shí)時(shí)三維目標(biāo)檢測方法在權(quán)利要求書中公布了：1.一種適用于無人車的激光雷達(dá)點(diǎn)云實(shí)時(shí)三維目標(biāo)檢測方法，其特征在于，包括如下步驟： S1、目標(biāo)檢測數(shù)據(jù)集準(zhǔn)備； S2、模型訓(xùn)練：訓(xùn)練端到端的目標(biāo)檢測模型，該目標(biāo)檢測模型包括以下模塊： 1預(yù)處理模塊：對目標(biāo)檢測數(shù)據(jù)集中的點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理； 2主干網(wǎng)絡(luò)模塊：與預(yù)處理模塊連接，對預(yù)處理后的數(shù)據(jù)進(jìn)行特征提取； 3頸部網(wǎng)絡(luò)模塊：與主干網(wǎng)絡(luò)模塊連接，對多尺度特征圖進(jìn)行融合與增強(qiáng)處理； 4特征選擇模塊：與頸部網(wǎng)絡(luò)模塊連接，根據(jù)目標(biāo)的尺寸選擇對應(yīng)尺度的特征圖； 5檢測頭模塊：與特征選擇模塊連接，根據(jù)特征選擇后的特征圖預(yù)測目標(biāo)的類別和邊界框； S3、參數(shù)更新：通過計(jì)算損失函數(shù)的梯度來調(diào)整模型的權(quán)重和偏置參數(shù)； S4、仿真數(shù)據(jù)準(zhǔn)備：在仿真平臺中搭建包含道路、車輛、行人、騎行者和其他物體的虛擬環(huán)境；配置激光雷達(dá)傳感器，設(shè)定與目標(biāo)檢測數(shù)據(jù)集一致的掃描角度和分辨率；使搭載激光雷達(dá)的虛擬車輛在場景中移動(dòng)，采集激光雷達(dá)傳輸?shù)狞c(diǎn)云數(shù)據(jù)；仿真平臺自動(dòng)生成標(biāo)注信息； S5、基于仿真數(shù)據(jù)的模型推理與結(jié)果評估：將步驟S3中訓(xùn)練完成、參數(shù)更新后的目標(biāo)檢測模型部署在仿真測試環(huán)境中，目標(biāo)檢測模型以步驟S4生成的仿真數(shù)據(jù)作為輸入，通過模型推理生成目標(biāo)檢測結(jié)果；結(jié)果評估采用一系列關(guān)鍵指標(biāo)，根據(jù)所述指標(biāo)是否高于設(shè)定的閾值來判斷模型表現(xiàn)是否符合預(yù)期效果，如符合預(yù)期效果，則進(jìn)入下一步驟，否則返回至步驟S1，并對目標(biāo)檢測數(shù)據(jù)集進(jìn)行進(jìn)一步增強(qiáng)處理，包括對導(dǎo)致仿真效果不佳的特定場景數(shù)據(jù)進(jìn)行擴(kuò)充； S6、模型部署與實(shí)車數(shù)據(jù)準(zhǔn)備：將步驟S5中訓(xùn)練完成、符合預(yù)期效果的目標(biāo)檢測模型部署在裝有激光雷達(dá)的無人車上，當(dāng)無人車處于駕駛模式時(shí)，將從無人車上搭載的激光雷達(dá)所采集到的點(diǎn)云數(shù)據(jù)實(shí)時(shí)轉(zhuǎn)換為與目標(biāo)檢測數(shù)據(jù)集格式一致的點(diǎn)云數(shù)據(jù)； S7、基于實(shí)車數(shù)據(jù)的模型推理和數(shù)據(jù)保存：將步驟S6所獲取的處理后的點(diǎn)云數(shù)據(jù)實(shí)時(shí)逐幀輸入給部署在無人車上的目標(biāo)檢測模型，通過模型推理生成目標(biāo)檢測結(jié)果； 步驟S2中所述的預(yù)處理模塊，界定感興趣的水平區(qū)域范圍為[-60,60]×[0,80]米，并根據(jù)激光雷達(dá)傳感器的工作范圍選擇固定高度范圍過濾掉地面點(diǎn)云及高空點(diǎn)云；對點(diǎn)云數(shù)據(jù)進(jìn)行去噪和濾波處理；采用0.1米的分辨率將去噪和濾波處理后的點(diǎn)云從三維空間投影到鳥瞰圖平面，生成相同尺寸的高度圖、強(qiáng)度圖、密度圖、曲率圖的二維圖像表達(dá)；其中，高度圖表示為： 其中z為激光點(diǎn)的高度，Pi,j為投影在鳥瞰圖坐標(biāo)i,j所在像素網(wǎng)格內(nèi)的所有激光點(diǎn)的集合，Hi,j表示所述集合內(nèi)所有激光點(diǎn)的最大高度；強(qiáng)度圖表示為： 其中r為激光點(diǎn)的強(qiáng)度，Ni,j為投影在鳥瞰圖坐標(biāo)i,j所在像素網(wǎng)格內(nèi)的激光點(diǎn)的數(shù)量，Ii,j表示網(wǎng)格內(nèi)所有激光點(diǎn)的平均強(qiáng)度；密度圖表示為： 曲率圖表示為： 其中Xi,j為投影在鳥瞰圖坐標(biāo)i,j所在像素網(wǎng)格內(nèi)強(qiáng)度最大的激光點(diǎn)的三維坐標(biāo)，表示以該激光點(diǎn)為中心的鄰域樣本點(diǎn)集合，其中樣本點(diǎn)數(shù)為n，Xk為鄰域激光點(diǎn)三維坐標(biāo)；將高度圖、強(qiáng)度圖、密度圖和曲率圖在深度維度上進(jìn)行堆疊，生成4個(gè)通道的三維鳥瞰圖。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人吉林大學(xué)，其通訊地址為：130015 吉林省長春市朝陽區(qū)前進(jìn)大街2699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)”。