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 > 苏州轻棹科技有限公司何哲琪获国家专利权

苏州轻棹科技有限公司何哲琪获国家专利权

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!

龙图腾网获悉苏州轻棹科技有限公司申请的专利一种融合图像点云特征的分类方法和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:CN115049872B

龙图腾网通过国家知识产权局官网在2025-09-12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:202210515948.5,技术领域涉及:G06V10/764;该发明授权一种融合图像点云特征的分类方法和装置是由何哲琪;冯阳;张雨设计研发完成,并于2022-05-12向国家知识产权局提交的专利申请。

一种融合图像点云特征的分类方法和装置在说明书摘要公布了:本发明实施例涉及一种融合图像点云特征的分类方法和装置,所述方法包括:获取指定时段内指定摄像头拍摄的多个图像生成第一图像序列,指定雷达扫描生成的多个扫描点云生成第一点云序列;根据第一图像序列和第一点云序列进行图像点云融合特征提取处理生成对应的融合特征向量;基于分类神经网络对融合特征向量进行分类处理得到对应的分类向量;将取值最大的分类向量数据对应的分类类别作为本次分类结果输出。通过本发明,可以提高分类精度。

本发明授权一种融合图像点云特征的分类方法和装置在权利要求书中公布了:1.一种融合图像点云特征的分类方法,其特征在于,所述方法包括: 获取指定时段内指定摄像头拍摄的多个图像生成第一图像序列;并获取所述指定时段内与所述指定摄像头对应的指定雷达扫描生成的多个扫描点云生成第一点云序列;所述第一图像序列包括多个第一图像,所述第一点云序列包括多个第一点云; 根据所述第一图像序列和所述第一点云序列进行图像点云融合特征提取处理生成对应的融合特征向量; 基于分类神经网络对所述融合特征向量进行分类处理得到对应的分类向量;所述分类向量为一维向量,包括指定数量m个分类向量数据,各个所述分类向量数据分别对应一个分类类别;所述分类类别包括6类类别分别为车、行人、骑行者、绿植、栅栏和其它物体; 将取值最大的所述分类向量数据对应的所述分类类别作为本次分类结果输出; 其中,所述指定时段为最近的一个时段;所述指定摄像头与所述指定雷达观测的场景相同、时间相同;所述第一图像序列为所述指定摄像头在所述指定时段内拍摄的图像序列;所述第一点云序列为所述指定雷达在所述指定时段内扫描的点云序列; 所述根据所述第一图像序列和所述第一点云序列进行图像点云融合特征提取处理生成对应的融合特征向量,具体包括:根据所述第一图像序列进行图像特征提取处理生成对应的第一特征向量;根据所述第一点云序列进行点云特征提取处理生成对应的第二特征向量;对所述第一、第二特征向量进行向量合并得到对应的第三特征向量;将所述第三特征向量输入LSTM神经网络进行特征融合处理生成对应的融合特征向量; 所述根据所述第一图像序列进行图像特征提取处理生成对应的第一特征向量,具体包括:对所述第一图像序列的所述第一图像的数量进行统计生成第一数量b1;将所述第一图像序列的各个所述第一图像分别输入ResNet18神经网络进行特征提取处理生成对应的第一图像特征向量;所述第一图像特征向量的形状为1×1024;由得到的所述第一数量b1个所述第一图像特征向量组成所述第一特征向量;所述第一特征向量的形状为b1×1024; 所述根据所述第一点云序列进行点云特征提取处理生成对应的第二特征向量,具体包括:对所述第一点云序列的所述第一点云的数量进行统计生成第二数量b2;将所述第一点云序列的各个所述第一点云分别输入PointNet神经网络进行特征提取处理生成对应的第一点云特征向量;所述第一点云特征向量的形状为1×1024;由得到的所述第二数量b2个所述第一点云特征向量组成所述第二特征向量;所述第二特征向量的形状为b2×1024; 所述第三特征向量的形状为b1+b2×1024;第一数量b1为所述第一图像序列的所述第一图像的数量,第二数量b2为所述第一点云序列的所述第一点云的数量; 所述将所述第三特征向量输入LSTM神经网络进行特征融合处理生成对应的融合特征向量,具体包括:将结构为b1+b2×1024的所述第三特征向量输入所述LSTM神经网络,由所述LSTM神经网络对所述第三特征向量1024个维度上的b1+b2个特征进行特征融合,从而得到对应的所述融合特征向量;所述融合特征向量的结构为1×1024; 所述分类神经网络包括全连接网络层和激活网络层组成; 所述基于分类神经网络对所述融合特征向量进行分类处理得到对应的分类向量,具体包括:将所述融合特征向量输入所述分类神经网络的所述全连接网络层进行全连接运算输出对应的全连接向量;并将所述全连接向量输入所述激活网络层进行分类评分得到对应的所述分类向量。

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苏州轻棹科技有限公司,其通讯地址为:215100 江苏省苏州市相城区高铁新城青龙港路66号领寓商务广场1幢21层2101-2108室;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”。

以上内容由AI智能生成
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。