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！

龙图腾网获悉杭州电子科技大学申请的专利一种通过点云检测的工业AGV小车障碍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：CN117197772B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202310428470.7，技术领域涉及：G06V20/58；该发明授权一种通过点云检测的工业AGV小车障碍检测方法是由胡海洋;陈凯琦;韩俊博设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本一种通过点云检测的工业AGV小车障碍检测方法在说明书摘要公布了：本发明公开一种通过点云检测的工业AGV小车障碍检测方法。本发明获取工业AGV小车周围点云数据；利用基于两种点云尺度的工业AGV小车避障单阶段检测器对上述点云数据实现小车周围障碍位置的检测；本发明引入可学习的前景点下采样模块，更有效地保留前景点；本发明采用多抽象尺度特征提取模块能从BEV特征图中提取到结构复杂的目标特征信息，得到的特征图对于目标信息有更强的表现力；本发明使用多距离尺度特征聚合模块能有效地获取前景点结构信息，从而获得准确的包围框。

本发明授权一种通过点云检测的工业AGV小车障碍检测方法在权利要求书中公布了：1.一种通过点云检测的工业AGV小车障碍检测方法，其特征在于包括以下步骤： 步骤1、使用雷达获取运行状态下工业AGV小车周边点云数据； 步骤2、利用基于两种点云尺度的工业AGV小车避障单阶段检测器TPC-SSD对上述点云数据实现小车周边障碍检测； 所述基于两种点云尺度的工业AGV小车避障单阶段检测器TPC-SSD，包括可学习的前景点下采样模块、多抽象尺度特征提取模块、多距离尺度特征聚合模块、检测头； 所述可学习的前景点下采样模块，用于将输入的点云通过多层感知机MLPS操作能够提取其语义特征，筛选出具有丰富目标信息的前景点； 所述多抽象尺度特征提取模块具体是： 将可学习的前景点下采样模块提取到的前景点进行体素化，得到体素空间； 通过体素特征编码层将每个拥有点的体素进行特征编码，得到非空体素特征； 将体素化后的点沿z轴向进行连接，得到一张鸟瞰图BEV； 对鸟瞰图BEV进行多尺度特征提取，得到BEV特征图； 根据BEV特征图预测热力图； 所述多距离尺度特征聚合模块具体是： 从多抽象尺度特征提取模块输出的热力图中获取所有中心点，然后标记体素空间中所有包含中心点的体素为中心体素cn，记录至集合H＝{c1,c2,…,cn}； 由于仅有前景点的点云被体素化，所以每个非空体素都只包含前景点的特征信息，非空体素的坐标表示为P＝{p1,p2,…,pl}，其特征表示为考虑到体素排列的规则性，体素ci,cj间的距离用曼哈顿距离来表示： 即Dci,cj＝|ax-bx|+|ay-by|+|az-bz|式1 其中ci＝ax，ay，az，cj＝bx，by，bz，ax，ay，az表示体素在xyz轴的坐标； 查询中心体素ci∈H的邻域中r个曼哈顿距离内的所有非空体素，并将它们列入非空体素特征集合中： 其中表示非空体素中心和中心体素中心的逆距离，它和pj-ci一同构成了该体素局部空间结构，pj-ci表示非空体素相对中心体素的坐标.D·表示曼哈顿距离； 由于前景点的特征向量中仅包含全局坐标值，所以给特征向量添加前景点与中心点的逆距离来扩充局部信息，以保证前景点包含尽可能多的空间特征；将集合中的非空体素与中心体素ci的曼哈顿距离的不同进行分类，被分为m组，表示为：第k组类别中的所有非空体素与中心体素的曼哈顿距离为： 其中表示第k组中某个非空体素的坐标； 对进行聚合得到单尺度特征向量集合： 其中R·表示随机下采样函数；PointNetk·表示加载了第k组权重的网络； 对中心体素ci邻域中m组单尺度特征向量依次拼接得到多尺度语义特征：所有中心体素的多尺度语义特征集合表示为它保留了不同距离尺度下的空间结构，从而为每个目标提供精确的空间结构信息； 所述检测头接收多距离尺度特征聚合模块输出的多尺度语义特征，对其预测出每个目标的包围框尺寸、方向角以及置信度； 所述多抽象尺度特征提取模块中对鸟瞰图BEV进行多尺度特征提取具体是： 鸟瞰图BEV在多抽象尺度特征分离网络中经过3个卷积层，每经过一个卷积层得出一种抽象层次的特征图，然后将第2次卷积得出的中层特征和第3次卷积得出的深层特征进行Deconvolution操作，让其维度与浅层特征保持一致，接着第1次卷积得出的浅层特征分别与中层特征和深层特征逐元素相加，最后利用注意力机制将两个相加后特征图进行特征融合。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。