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！

龙图腾网获悉成都绿土智途科技有限公司;北京数字绿土科技股份有限公司;武汉绿土图景科技有限公司申请的专利基于零样本深度学习的要素提取以及地图生成方法、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：CN119360051B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202411600138.5，技术领域涉及：G06V10/46；该发明授权基于零样本深度学习的要素提取以及地图生成方法、装置是由何翔;高志明;潘家鑫;王爽;张少彬;朱冬波;冯宇;袁嘉铭;孙喜亮;郭彦明设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本基于零样本深度学习的要素提取以及地图生成方法、装置在说明书摘要公布了：本公开提供了一种基于零样本深度学习的要素提取以及地图生成方法、装置，本公开将需要进行道路要素提取的三维点云图像进行强度投影，得到二维强度投影图像；将二维强度投影图像输入道路要素深度学习模型，得到道路要素深度学习模型输出的道路要素的关键点二维坐标信息；道路要素深度学习模型包括依次包括YOLOv8‑OBB旋转框模型、包含PCA算法的计算模块、多头centernet关键点检测模型；之后根据道路要素深度学习模型的处理逻辑的反向逻辑，确定关键点二维坐标信息在所述二维强度投影图像上的二维坐标信息；最后根据强度投影的处理逻辑的反向逻辑以及关键点二维坐标信息在二维强度投影图像上的二维坐标信息，确定道路要素在所述三维点云图像上的三维坐标。

本发明授权基于零样本深度学习的要素提取以及地图生成方法、装置在权利要求书中公布了：1.一种基于零样本深度学习的要素提取方法，其特征在于，包括： 获取预先训练完成的道路要素深度学习模型以及需要进行道路要素提取的三维点云图像； 将所述三维点云图像进行强度投影，得到二维强度投影图像； 将二维强度投影图像输入所述道路要素深度学习模型，得到所述道路要素深度学习模型输出的道路要素的关键点二维坐标信息；所述道路要素深度学习模型包括依次包括YOLOv8-OBB旋转框模型、包含PCA算法的计算模块、多头centernet关键点检测模型； 根据所述道路要素深度学习模型的处理逻辑的反向逻辑，确定所述关键点二维坐标信息在所述二维强度投影图像上的二维坐标信息； 根据所述强度投影的处理逻辑的反向逻辑以及所述关键点二维坐标信息在所述二维强度投影图像上的二维坐标信息，确定所述道路要素在所述三维点云图像上的三维坐标； 其中，用于训练所述多头centernet关键点检测模型的数据集按照如下步骤得到： 获取多张三维点云样本图像，并将各三维点云样本图像分别进行强度投影，得到多张二维强度样本投影图像； 利用各二维强度样本投影图像，确定多个道路要素标识模版以及各道路要素标识模版对应的关键点； 将各道路要素标识模版填充第一目标场景颜色，并分别按照第一预设角度范围进行至少一次旋转，得到多张第一道路要素模版图像，并将第一道路要素模版图像形成的数据集作为训练所述多头centernet关键点检测模型的数据集； 其中，用于训练所述YOLOv8-OBB旋转框模型的数据集按照如下步骤得到： 将各道路要素标识模版填充第二目标场景颜色，并分别按照第二预设角度范围进行至少一次旋转，得到多张第二道路要素模版图像；将得到的第二道路要素模版图像按照随机确定的至少一个位置粘贴到至少一张道路背景图像上，得到多张训练样本图像； 将所述训练样本图像形成的数据集作为训练所述YOLOv8-OBB旋转框模型的数据集； 其中，所述道路要素深度学习模型的处理逻辑如下： 利用YOLOv8-OBB旋转框模型从二维强度投影图像上提取道路要素的旋转框位置信息；所述旋转框位置信息为二维坐标信息； 使用PCA算法对道路要素的旋转框位置信息进行主成分分析，获取到旋转框主方向； 根据旋转框主方向与竖直方向的夹角，将二维强度投影图像上的道路要素对应的像素点进行旋正处理； 利用多头centernet关键点检测模型对旋正后的道路要素进行关键点提取，得到关键点二维坐标信息。

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成都绿土智途科技有限公司;北京数字绿土科技股份有限公司;武汉绿土图景科技有限公司，其通讯地址为：610000 四川省成都市高新区石羊场路777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”。