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！

龙图腾网恭喜西安电子科技大学申请的专利一种基于激光点云的三维信息增强的检测识别方法及装置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：CN114821033B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202210289428.7，技术领域涉及：G06V10/25；该发明授权一种基于激光点云的三维信息增强的检测识别方法及装置是由秦翰林;朱文锐;延翔;林凯东;许景贤;张天吉;侯本照;代杨;李兵斌设计研发完成，并于2022-03-23向国家知识产权局提交的专利申请。

本一种基于激光点云的三维信息增强的检测识别方法及装置在说明书摘要公布了：本发明涉及一种基于激光点云的三维信息增强的检测识别方法及装置，该方法包括：对原始点云数据进行体素化处理得到若干体素；提取每个非空体素的点云体素特征得到若干特征图；将若干特征图输入到区域建议网络中生成第一阶段候选框；将第一阶段候选框输入点云空间形状补全网络中，得到目标点集；从目标点集中提取点云结构信息得到全局结构信息；从原始点云数据中采样每个关键点附近的非空体素特征结合作为关键点特征；对关键点特征进行提取得到网格点特征；将网格点特征和全局结构信息进行融合得到增强特征；对增强特征进行置信度预测和候选框细化得到置信度和边界框参数。该方法增强了点云数据的特征表示，提高了激光点云目标检测精度。

本发明授权一种基于激光点云的三维信息增强的检测识别方法及装置在权利要求书中公布了：1.一种基于激光点云的三维信息增强的检测识别方法，其特征在于，包括步骤：对原始点云数据进行体素化处理，得到若干体素；利用稀疏卷积网络提取所述若干体素中每个非空体素的点云体素特征，得到若干特征图；将所述若干特征图输入到区域建议网络中生成第一阶段候选框；将所述第一阶段候选框输入点云空间形状补全网络中以补全点云空间形状，得到目标点集；包括：利用ROI感知池化模块对所述第一阶段候选框内部的点集进行处理，得到第一矩阵；将所述第一矩阵输入多层感知机获取第一中间特征，并将所述第一中间特征输入最大池化层获取第二中间特征；将所述第二中间特征与所述第一中间特征结合得到第三中间特征；将所述第三中间特征依次输入多层感知机和最大池化层获取全局特征；将所述全局特征通过全连接层叠加以生成所述目标点集；使用多尺度分组策略从所述目标点集中提取点云结构信息，得到全局结构信息；包括：使用最远点采样算法从所述目标点集中选择若干点组成目标集合；利用多层感知机和最大池化层提取所述目标集合中每个点的局部上下文，得到第二矩阵；利用所述多尺度分组策略从所述第二矩阵中提取结构信息，得到目标张量；将所述目标张量通过全连接层生成所述全局结构信息；从所述原始点云数据中采样每个关键点附近的所述非空体素特征结合作为关键点特征；包括：使用最远点采样算法从所述原始点云数据中采取若干关键点；计算每个所述关键点在稀疏卷积网络的第k个稀疏卷积模块中以所述关键点为圆心的目标半径范围内的非空体素特征集合： 其中，表示对于关键点的相对坐标，di表示关键点，rk表示目标半径，表示示第K个稀疏卷积模块中关键点的三维坐标，表示第K个稀疏卷积模块中输出的特征；利用所述非空体素特征集合生成每个所述关键点在所述第k个稀疏卷积模块的输出特征： 其中，M·表示随机采样操作，G·表示多层感知机进行的操作；将每个所述关键点在每个稀疏卷积模块的输出特征连接起来，得到所述关键点特征；利用图神经网络和注意力机制结合的特征提取模块对所述关键点特征进行提取，得到网格点特征；所述网格点特征为： 其中，Ωr表示网格点的固定半径r内的所有点，W·表示用于将图边映射到标量或向量权重空间中，σ*表示具有学习性的门函数，表示两个节点之间位置差的线性投影，Ki＝Linearfi，Ki表示键映射，Vi表示节点i的特征；将所述网格点特征和所述全局结构信息进行融合，得到增强特征；对所述增强特征进行置信度预测和候选框细化，得到置信度和边界框参数。

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西安电子科技大学，其通讯地址为：710000 陕西省西安市雁塔区太白南路2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”。