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！

龙图腾网获悉安徽理工大学申请的专利基于多尺度图神经网络和点云缩减网络的3D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：CN115100641B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210477589.9，技术领域涉及：G06V20/64；该发明授权基于多尺度图神经网络和点云缩减网络的3D目标检测方法是由夏晨星;李续兵;高修菊;孙延光;陶展鹏设计研发完成，并于2022-04-26向国家知识产权局提交的专利申请。

本基于多尺度图神经网络和点云缩减网络的3D目标检测方法在说明书摘要公布了：本发明属于计算机视觉领域，提供了一种基于多尺度图神经网络和点云缩减网络的3D目标检测算法，包括以下步骤：1利用PointNet++网络中的特征编码与特征编码模块对点云数据进行预处理，除去特定的无关背景以减少计算输入；2利用关键点采样算法在点云中选取关键点，并以关键点为顶点固定半径内的空间邻点构建空间图；3利用卷积神经网络对每个图进行特征提取，并以每个特征为顶点构建平面图，以某一结点为起点，固定搜索半径进行不同尺度的特征融合；4使用MLP将特征转变成相同尺度，并利用混合损失函数训练此模型。大量的在多个公开的数据集上的实验数据表明了，此发明具有高效性和优越性。

本发明授权基于多尺度图神经网络和点云缩减网络的3D目标检测方法在权利要求书中公布了：1.基于多尺度图神经网络和点云缩减网络的3D目标检测方法，其特征在于，该方法包括以下步骤： 1输入点云数据，利用PointNet++网络中的特征编码与特征编码模块对点云数据进行预处理，除去特定的无关背景以减少计算输入； 1.1收集点云3D目标检测领域相关数据集，包括KITTI数据集，ModelNet40数据集，Waymo数据集，NuScenes数据集和LyftL5数据集； 1.2利用具有80256个目标标记的KITTI数据集训练数据集用于训练模型；利用KITTI数据集中的测试数据集，用于检测模型泛化性能； 1.3将点云中地面，墙体设为特定无关背景； 1.4首先，利用两组SetAbstraction进行特征提取，其中每一组提取层的输入是N,d+C,N是输入点的数量，d是坐标的维度C是特征维度，输出是N′,d+C′,其中N′是输出点的数量，d的维度不变，C′是新的特征维度； 1.5随后，利用FeaturePropagation通过上采样的方式将点的特征对应到整个点云数据，并使用线性插值的方法与SetAbstraction中的特征进行拼接，相关公式如下所示： 这里，ωi代表权重，f代表输出特征，最终得到缩减后的点云集合P＝{p1,p2,p3,…pn}； 2利用关键点采样算法在点云中选取关键点，并以关键点为顶点固定半径内的空间邻点构建空间图； 3利用卷积神经网络对每个图进行特征提取，并以每个特征为顶点构建平面图，并以某一结点为起点，固定搜索半径进行不同尺度的特征融合； 3.1首先，对每个空间图G进行特征提取，并对提取到的特征进一步构建图G′,如下式所示： 其中n表示每个空间图中点的数量，|pu-pk|表示点u和点k之间的距离，fu表示点u的特征； 3.2随后，对构建的图G′利用最近邻搜索算法固定搜索半径进行不同尺度的特征融合，如下式所示： fi＝ANNSG′,R,5 其中A函数表示特征融合函数，fi表示不同尺度聚合后的特征； 4使用MLP将特征转换成相同尺度，并利用混合损失函数训练此模型。

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安徽理工大学，其通讯地址为：232000 安徽省淮南市山南新区泰丰大街168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”。