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！

龙图腾网获悉无锡学院;无锡亮源激光技术有限公司申请的专利结合注意力机制与体素特征聚合的三维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：CN120451513B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510929945.X，技术领域涉及：G06V10/25；该发明授权结合注意力机制与体素特征聚合的三维目标检测方法是由李红旭;卢益涛;郭美婵;苑欣晁;张永宏;冯小明;王兴辉;迟荣华;李世雨设计研发完成，并于2025-07-07向国家知识产权局提交的专利申请。

本结合注意力机制与体素特征聚合的三维目标检测方法在说明书摘要公布了：本发明公开了结合注意力机制与体素特征聚合的三维目标检测方法，属于目标检测技术领域。该方法包括：获取待检测图片的三维点云数据；利用稀疏卷积网络提取体素化后三维点云数据的体素特征；将体素特征投影到鸟瞰视角表示上，生成鸟瞰图；采用空间和通道协同注意力机制提取鸟瞰图的增强特征；对原始三维点云数据下采样，得到关键点，对关键点进行二次优化；利用增强的扩展体素集抽象模块，将体素特征和鸟瞰图聚合到相应的关键点上，得到待检测图片最终的特征；通过3D提案细化，得到预测包围框。本发明提高了三维目标检测模型的鲁棒性，增加了泛化能力。

本发明授权结合注意力机制与体素特征聚合的三维目标检测方法在权利要求书中公布了：1.结合注意力机制与体素特征聚合的三维目标检测方法，其特征在于，包括以下步骤： 获取待检测图片的三维点云数据； 将三维点云数据进行体素化，利用稀疏卷积网络提取体素化后三维点云数据的体素特征； 将体素特征投影到鸟瞰视角表示上，生成鸟瞰图； 采用空间和通道协同注意力机制提取鸟瞰图的增强特征； 对原始三维点云数据下采样，得到关键点，对关键点进行二次优化，将多级特征收敛到关键点； 利用增强的扩展体素集抽象模块，将体素特征和鸟瞰图聚合到相应的关键点上，得到待检测图片最终的特征； 通过3D提案细化，得到预测包围框； 对原始三维点云数据下采样，得到关键点，对关键点进行二次优化，将多级特征收敛到关键点的步骤包括： 步骤501，输入点云数据集为，其中是输入点的数量，是每个点的特征维度，目标是从中选出具有代表性的子集，其中是子集中采样的点数；为每个输入点分配一个采样权重，权重通过点云特征和一个可学习的权重矩阵来计算，公式为： ， ， 其中，表示第j个点的采样权重，是可学习的权重矩阵，表示第j个点的采样得分，k表示第k个采样点，是软采样的输出，T表示转置； 步骤502，在训练时，Gumbel-Softmax采样生成连续的软采样输出，公式为： ， 式中，表示通过Gumbel-Softmax得到的采样结果；是点的采样概率分数，是从Gumbel分布中采样的噪声，是退火温度参数； 经过软采样后得到关键点，公式为： ， 式中，N表示关键点特征的个数，表示经过关键点特征，是原始点云的特征子集； 步骤503，将关键点输入至文本融合模块，通过PointNet++特征提取网络提取点云特征，得到特征点，根据特征点计算调制特征g，公式为： ， 其中，是可学习的权重矩阵，是偏置项，σ是Sigmoid激活函数； 利用调制特征g对特征点进行门控处理，得到上下文门控后的特征，公式为： ， 式中，是另一组可学习的权重矩阵； 利用增强的扩展体素集抽象模块，将体素特征和鸟瞰图聚合到相应的关键点上，得到待检测图片最终的特征的步骤包括： 步骤601，以每个关键点的位置为中心，在第m层的体素特征层中进行邻域搜索，在半径内找到邻近的非空体素特征，并将非空体素特征聚合； 步骤602，使用PointNet深度学习模型对关键点的邻域特征进行随机采样和非线性变换，然后通过最大池化将不同数量的邻域特征映射成一个固定大小的特征向量，为每一个关键点生成多尺度特征，公式为： ， 式中，是通道维度上的最大池化；为一个多层感知机，用于将体素特征和相对位置特征进行非线性变换；表示随机采样；表示不同的分辨率层；和为层中第个体素的特征向量和三维坐标；是第层半径，、分别表示第层所有非空体素的坐标、特征集合； 步骤603，将所有多尺度特征进行融合，形成3D的多尺度特征； 步骤604，将鸟瞰图、鸟瞰图的增强特征以及上下文门控后的特征，聚合到多尺度特征上，得到最终的特征F，公式为： ， 式中，为二维鸟瞰图，为鸟瞰图的增强特征图。

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无锡学院;无锡亮源激光技术有限公司，其通讯地址为：214105 江苏省无锡市锡山区锡山大道333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”。