Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 电子科技大学袁上博获国家专利权

电子科技大学袁上博获国家专利权

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!

龙图腾网获悉电子科技大学申请的专利一种面向恶劣天气的激光雷达点云数据语义分割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:CN119832251B

龙图腾网通过国家知识产权局官网在2025-07-29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:202510195353.X,技术领域涉及:G06V10/26;该发明授权一种面向恶劣天气的激光雷达点云数据语义分割方法是由袁上博;胡平;杨龙宇;朱晓峰设计研发完成,并于2025-02-21向国家知识产权局提交的专利申请。

一种面向恶劣天气的激光雷达点云数据语义分割方法在说明书摘要公布了:本发明公开了一种面向恶劣天气的激光雷达点云数据语义分割方法,采用双分支设计,空间几何结构分支负责捕捉空间几何形态,得到空间几何结构特征,反射强度分支则专注于激光雷达信号的反射强度,得到反射强度特征,然后通过鲁棒的多级特征协作模块在不同尺度下进行特征融合,从而减轻恶劣天气对分割性能的影响。空间几何结构特征通过体素化处理,并使用稀疏三维卷积网络提取;反射强度信息则通过球面投影转化为二维图像,并通过深度可分离卷积提取。融合后的空间几何机构特征与反射强度特征通过局部和全局特征融合机制进一步优化,最终通过三维体素解码模块生成准确的语义分割结果。本发明能够在源域训练后泛化到目标域,有效应对标准条件与恶劣条件之间的域偏移,并在各种恶劣天气条件下表现出优异的性能。

本发明授权一种面向恶劣天气的激光雷达点云数据语义分割方法在权利要求书中公布了:1.一种面向恶劣天气的激光雷达点云数据语义分割方法,其特征在于,包括以下步骤: 1、空间几何结构特征提取 首先,从获取的激光雷达点云数据中排除反射强度信息,得到仅包含几何坐标的点云数据即几何点云,并将几何点云离散化为规则的体素网格,然后,使用由多个级联的稀疏三维卷积块组成的编码器网络对体素网格进行处理,逐层得到不同尺度的空间分辨率和几何上下文信息,最终将不同尺度的空间分辨率和几何上下文信息聚合得到稀疏表示形式的空间几何结构特征; 2、反射强度特征提取 首先,采用球面投影将获取的激光雷达点云数据转换为二维视图图像,其中每个点的反射强度信息作为输入特征,其次,使用由二维深度可分离卷积块组成的编码器网络对反射强度信息进行处理,逐层得到不同尺度的特征组成反射强度特征; 3、鲁棒多级特征协作 3.1、计算用于增强特征互补性和鲁棒性的互补信息约束损失Lcic: Lcic=KLpmgeo∣fgeo||rmgeo +KLpmref∣fref||rmref -KLpmgeo∣fgeo||pmref∣fref -KLpmref∣fref||pmgeo∣fgeo 其中,KL·||·为最大类间散度,fgeo为从空间几何结构特征中提取的特征向量,fref为从反射强度特征提取的提取的特征向量,mgeo为基于特征向量fgeo计算出的均值μgeo和标准差σgeo通过加入加性噪声生成的空间几何结构增强特征,mref为基于特征向量fref计算出的均值μref和标准差σref,通过加入加性噪声生成的反射强度增强特征: mgeo=μgeo+ε·σgeo mref=μref+ε·σref rmgeo为以生成空间几何结构增强特征mgeo公式转换为带加性噪声的标准高斯先验分布,rmref为以生成反射强度增强特征mref公式转换为带加性噪声的标准高斯先验分布,pmgeo∣fgeo为度量空间几何结构特征的条件分布,pmref∣fref为度量反射强度特征的条件分布; 3.2、局部级别特征融合 将基于特征向量fgeo计算出的均值μgeo和标准差σgeo和基于特征向量fref计算出的均值μref和标准差σref进行动态融合,得到局部融合特征Flocal: Flocal=α·μgeo+1-α·μref 其中,融合权重α根据标准差σgeo和标准差σref动态计算: 其中,与分别为标准差σgeo和标准差σref在通道维度上的均值; 3.3、全局级别特征融合 首先,引入一组可学习的全局查询值Q,将空间几何结构增强特征mgeo作为交叉注意力机制键值K、值V与全局查询值Q聚合得到临时的全局特征值,然后将临时的全局特征值作为交叉注意力机制键值K、值V与反射强度增强特征mref进一步聚合得到全局融合特征Fglobal; 3.4、拼接成联合表示F 将局部融合特征Flocal和全局融合特征Fglobal拼接而成的联合表示F; 4、优化网络 将联合表示F送入三维体素解码模块得到语义分割结果,结合交叉熵损失和互补信息约束损失优化网络,优化网络的损失L为: L=LCE+βLcic 其中,LCE为三维体素解码模块得到的语义分割结果与标签计算得到的交叉熵损失,β为结合系数; 5、激光雷达点云数据语义分割 按照步骤1~3得到联合表示F,送入三维体素解码模块得到语义分割结果。

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电子科技大学,其通讯地址为:611731 四川省成都市高新区(西区)西源大道2006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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。