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！

龙图腾网恭喜大连理工大学;大连理工大学宁波研究院申请的专利一种结合点云形状特征的自动驾驶实时三维目标检测方法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：CN116030445B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202211601246.5，技术领域涉及：G06V20/58；该发明授权一种结合点云形状特征的自动驾驶实时三维目标检测方法是由郭烈;黄亮;余旭东;殷广;赵剑;李刚设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种结合点云形状特征的自动驾驶实时三维目标检测方法在说明书摘要公布了：本发明公开了一种结合点云形状特征的自动驾驶实时三维目标检测方法，使用计算机图形学中的三角形网络对局部特征进行表示，从而灵活的呈现复杂的局部体素特征。本发明对体素内部的每一个点使用K近邻算法寻找距离最近的K个点，使用这些点构建以该点为中心的伞状曲面，使用曲面的法向量方向、曲面中心坐标等信息构建每个点的曲面特征，用全连接神经网络以及最大池化层生成一个曲面特征，从而使用该曲面特征表示点云周围的局部形状。本发明使用伞状曲面构造为每个点云周围的点云形状进行建模，从而补充了缺失的局部形状学习特征，减少了自动驾驶感知任务中误检与漏检的现象。本发明在完成点云局部形状建模的同时保证了算法的实时性。

本发明授权一种结合点云形状特征的自动驾驶实时三维目标检测方法在权利要求书中公布了：1.一种结合点云形状特征的自动驾驶实时三维目标检测方法，其特征在于：包含以下步骤： A、为3D场景中的任意体素进行点云分配 将车载激光雷达采集到的全部点云P分配给各个体素，当体素内的点云数量超过预设最大点云数量N时随机采样N个点云，当点云数量少于N时使用0将点云数量补齐到N个，从而使每个非空体素中都有相同数量的点云数量N，每个点云包含三维位置坐标信息c及点云反射强度信息i； B、为体素内的任一点云寻找邻接点并构建代表性曲面 以体素内任意一个点云作为原点，使用K近邻算法为其找到几何距离最近的K个邻接点云；将这K个邻接点云按照极坐标系下相对当前点云的角度顺时针排序，并依次两两与当前点云构建三角形网格，使得每个点云对应K个三角形网格，计算体素内每个点云对应网格的法向量方向vnorm及网格中心坐标ccenter，最终为每个点云生成K个法向量及网格中心坐标，具体公式如下： vnorm＝ck-ccurrent×ck-1-ccurrent0≤k≤K 式中：ccurrent表示当前点云的坐标，ck表示第k个邻近点的坐标 C、对体素内部的代表性曲面进行特征提取 将每个点生成网格的法向量方向vnom、网格中心坐标ccenter以及网格中心的极坐标csphere使用全连接神经网络以及最大池化，为每个点云生成一个表征局部形状的伞状曲面特征向量fumbella； csphere＝xyz2sphereCcenter fumbella＝pooling{MLPsvnorm,ccenter,csphere} 式中：xyz2sphere是极坐标转换函数，pooling是最大池化函数，MLPs表示全连接神经网络； D、计算包含点云局部形状的体素特征 使用体素内每个点的全局坐标c、反射强度i、相对聚类中心的坐标ccluster、相对体素中心的坐标cvoxel构建体素内部的点云坐标特征fcoordinate，结合局部形状特征fumbella进一步进行特征集合抽象，得到每个点的特征，并通过最大池化层将N个点云的特征压缩为体素特征，得到包含点云局部形状的体素特征Fvoxel，表示如下： fcoordinate＝c,i,ccluster,cvoxel Fvoxel＝pooling{MLPsfcoordinate,fumbella} E、检测三维目标 将得到的体素特征投影到鸟瞰图视角下，使用深度卷积神经网络对体素特征进行进一步下采样及特征提取，并直接在下采样后的鸟瞰图特征上预测三维目标的位置、尺寸以及类别，所述三维目标包括汽车、行人和骑行者，从而完成自动驾驶车辆对周围环境的理解，为后续自动驾驶提供精准的检测结果。

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大连理工大学;大连理工大学宁波研究院，其通讯地址为：116024 辽宁省大连市高新园区凌工路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”。