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！

龙图腾网恭喜北京大学深圳研究生院申请的专利特征融合的点云显著性目标检测方法、装置、设备与介质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：CN114612652B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202210254638.2，技术领域涉及：G06T7/00；该发明授权特征融合的点云显著性目标检测方法、装置、设备与介质是由高伟;范松林;李革设计研发完成，并于2022-03-15向国家知识产权局提交的专利申请。

本特征融合的点云显著性目标检测方法、装置、设备与介质在说明书摘要公布了：本发明涉及计算机视觉技术领域，公开了一种特征融合的点云显著性目标检测方法、装置、设备和介质。特征融合的点云显著性目标检测方法运用于目标检测模型，目标检测模型包括特征融合模块、点云感知模块和显著性感知模块。本发明通过获取点云图，并通过预设骨干网络对点云图进行多层次的特征提取，得到不同采样尺度的多层特征；将多层特征中的最顶层特征输入到点云感知模块进行初步融合，得到语义特征；将多层特征输入到特征融合模块中进行特征聚合，得到紧凑特征；将紧凑特征输入到点云感知模块进行分级融合，得到多尺度特征；将语义特征和多尺度特征输入到显著性感知模块进行预测，得到点云图的预测结果；从而准确确定点云图的显著性目标。

本发明授权特征融合的点云显著性目标检测方法、装置、设备与介质在权利要求书中公布了：1.一种特征融合的点云显著性目标检测方法，其特征在于，所述特征融合的点云显著性目标检测方法运用于目标检测模型，所述目标检测模型包括特征融合模块、点云感知模块和显著性感知模块，所述特征融合的点云显著性目标检测方法包括如下步骤： 获取点云图，并通过预设骨干网络模型对所述点云图进行多层次的特征提取，得到所述点云图对应的不同采样尺度的多层特征； 基于所述多层特征的最顶层特征，通过所述点云感知模块进行初步融合特征，得到所述最顶层特征对应的语义特征； 基于所述多层特征，通过所述特征融合模块进行特征聚合，得到所述多层特征对应的紧凑特征； 基于所述紧凑特征，通过所述点云感知模块进行分级融合，得到所述紧凑特征对应的多尺度特征； 基于所述语义特征和所述多尺度特征，通过所述显著性感知模块进行预测，生成所述点云图对应的预测结果； 其中，所述多层特征包括第一层特征、第二层特征、第三层特征和第四层特征，所述第四层特征为所述多层特征的最顶层特征，所述基于所述多层特征的最顶层特征，通过所述点云感知模块进行初步融合特征，得到所述最顶层特征对应的语义特征的步骤包括： 将所述第四层特征输入到所述点云感知模块，并对所述第四层特征进行分支，得到分支后的第四层特征； 根据预设近邻算法寻找分支后的第四层特征的各点的第一最近邻点，其中，所述预设近邻算法为k-最近邻算法； 获取每个第四层特征的各点和各个第一最近邻点的第一坐标信息，并通过所述第一坐标信息计算所述第四层特征的各点与所述第一最近邻点的第一相对位置； 根据预设拼接公式，将所述第一最近邻点与所述第一相对位置进行融合拼接，得到所述第四层特征对应的第一局部区域； 根据预设融合公式，将所述第四层特征与所述第一局部区域进行初步融合，得到所述第四层特征对应的语义特征； 其中，所述基于所述紧凑特征，通过所述点云感知模块进行分级融合，得到所述紧凑特征对应的多尺度特征的步骤包括： 将所述紧凑特征输入到所述点云感知模块，并对所述紧凑特征进行分支，得到分支后的紧凑特征； 根据预设近邻算法寻找分支后的紧凑特征的各点的第二最近邻点，其中，所述预设近邻算法为k-最近邻算法； 获取每个紧凑特征的各点和各个第二最近邻点的第二坐标信息，并通过所述第二坐标信息计算所述紧凑特征的各点与所述第二最近邻点的第二相对位置； 根据预设拼接公式，将所述第二最近邻点与所述第二相对位置进行融合拼接，得到所述紧凑特征对应的第二局部区域； 根据预设融合公式，将所述紧凑特征与所述第二局部区域进行初步融合，得到所述紧凑特征对应的多尺度特征； 其中，所述根据预设近邻算法寻找分支后的第四层特征的各点的第一最近邻点中所述预设近邻算法k的取值和所述根据预设近邻算法寻找分支后的紧凑特征的各点的第二最近邻点中所述预设近邻算法k的取值不同。

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北京大学深圳研究生院，其通讯地址为：518000 广东省深圳市南山区西丽深圳大学城北大校区；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”。