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！

龙图腾网获悉厦门大学申请的专利激光点云和视觉图像的跨模态场景匹配方法、装置及设备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：CN116805371B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310664647.3，技术领域涉及：G06V10/75；该发明授权激光点云和视觉图像的跨模态场景匹配方法、装置及设备是由黄联芬;黄邦振;刘恒宇;黄琛;高志斌;林和志设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本激光点云和视觉图像的跨模态场景匹配方法、装置及设备在说明书摘要公布了：本申请的实施例提供了一种激光点云和视觉图像的跨模态场景匹配方法、装置及设备。该方法包括：对目标车辆在行驶过程中拍摄得到的待处理图像进行语义分割，得到语义图像；对所述语义图像进行聚类，得到对应的视觉图节点；获取预先构建的离线点云图节点地图库；基于图卷积神经网络，分别提取所述视觉图节点对应的视觉图节点聚合特征以及各帧点云图节点数据对应的点云图节点聚合特征；对所述视觉图节点聚合特征以及所述点云图节点聚合特征进行拼接，并将拼接后的特征输入至全连接网络中，以使所述全连接网络输出两种模态对应的匹配程度。本申请实施例的技术方案降低跨模态匹配计算的复杂度，并保证跨模态匹配的计算结果的准确性。

本发明授权激光点云和视觉图像的跨模态场景匹配方法、装置及设备在权利要求书中公布了：1.一种激光点云和视觉图像的跨模态场景匹配方法，其特征在于，包括： 获取目标车辆在行驶过程中拍摄得到的待处理图像； 对所述待处理图像进行语义分割，确定所述待处理图像中每一像素点对应的语义类别，以得到语义图像； 对所述语义图像进行聚类，得到对应的视觉图节点； 获取预先构建的离线点云图节点地图库，所述离线点云图节点地图库包括若干帧点云图节点数据； 基于图卷积神经网络，分别提取所述视觉图节点对应的视觉图节点聚合特征以及各帧点云图节点数据对应的点云图节点聚合特征； 对所述视觉图节点聚合特征以及所述点云图节点聚合特征进行拼接，并将拼接后的特征输入至全连接网络中，以使所述全连接网络输出两种模态对应的匹配程度； 其中，构建离线点云图节点地图库，包括： 获取针对目标路段的原始点云数据； 对所述原始点云数据进行语义分割，以确定所述原始点云数据中每一点对应的语义类别，得到语义点云； 基于所述语义点云中每一点对应的语义类别以及点与点之间的距离进行聚类，确定所述语义点云中的点云实例，并确定各所述点云实例对应的点云图节点； 根据每一帧的点云图节点数据，构建离线点云图节点地图库； 其中，基于所述语义点云中每一点对应的语义类别以及点与点之间的距离进行聚类，确定所述语义点云中的点云实例，并确定各所述点云实例对应的点云图节点，包括： 根据所述语义点云中每一点对应的语义类别，将所述语义点云中的点划分成与各语义类别分别对应的点集合； 针对于所述点集合中的每一个点，搜索所述点集合中在其对应邻域内的点，如果搜索到的点数大于或等于预定阈值，则将邻域内的点加入搜索队列并对所述搜索队列里的点继续进行搜索； 将搜索得到的点划分为同一点云实例，并根据所述点云实例中点的坐标信息，确定所述点云实例对应的质心信息； 将所述点云实例对应的语义类别及质心信息进行存储，以作为所述点云实例对应的点云图节点； 其中，对所述语义图像进行聚类，得到对应的视觉图节点，包括： 确定所述语义图像中每一像素点的深度信息； 根据所述深度信息以及每一像素点对应的语义类别，将连通的且具有相同语义类别的像素点划分为同一视觉实例； 将各所述视觉实例中的像素坐标值的均值、平均深度值以及语义类别作为其对应的视觉图节点进行存储； 其中，对所述视觉图节点聚合特征以及所述点云图节点聚合特征进行拼接，包括： 采用神经张量网络，将所述视觉图节点聚合特征分别与每一所述点云图节点聚合特征进行拼接融合。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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”。

以上内容由龙图腾AI智能生成。