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！

龙图腾网获悉华南理工大学申请的专利一种基于精细化特征提取的图像点云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：CN118609114B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202410315203.3，技术领域涉及：G06V20/64；该发明授权一种基于精细化特征提取的图像点云三维目标检测方法是由胡斌杰;罗成西设计研发完成，并于2024-03-19向国家知识产权局提交的专利申请。

本一种基于精细化特征提取的图像点云三维目标检测方法在说明书摘要公布了：本发明公开了一种基于精细化特征提取的图像点云三维目标检测方法，包括以下步骤：获取环视二维图像特征图和点云体素特征图，根据点云图像空间投影关系，使用可变形交叉注意力机制，融合点云体素中心点与对应图像点附近的特征，应用骨干网络提取体素三维特征，通过构建三维特征空间分布权重图，自适应融合高度维度特征，生成多尺度BEV特征并融合，再根据高分辨率BEV特征图生成三维目标检测框，得到目标的具体位置和类别。本发明通过构建三维特征空间分布权重图，自适应融合高度维度特征，减少了三维特征降维时存在的信息损失，并引入一条额外的多尺度BEV特征融合分支，提升了网络模型对几何信息的感知能力，实现了更优的检测效果。

本发明授权一种基于精细化特征提取的图像点云三维目标检测方法在权利要求书中公布了：1.一种基于精细化特征提取的图像点云三维目标检测方法，其特征在于，包括以下步骤： 获得多个环视相机采集的二维图像并对所述二维图像进行特征提取，得到多个二维图像特征图； 获得点云图并使用体素编码网络对所述点云图进行特征编码，得到点云体素特征； 根据点云图像空间投影关系，使用可变形交叉注意力机制，提取点云体素中心点，并投影至图像后对应点附近的二维图像特征； 将所述点云体素特征与相对应的所述二维图像特征相加，得到融合后的多模态特征，具体包括： 根据标定好的激光雷达外参和相机内外参，得到点云-图像的坐标变换矩阵； 根据坐标变换矩阵，将体素中心点的点云坐标投影至对应的图像，得到对应图像的坐标位置，利用双线性插值获取对应坐标位置的图像特征； 根据所述图像特征生成注意力矩阵和偏移量，利用双线性插值获取图像偏移量位置处的图像特征，生成图像特征矩阵； 将所述注意力矩阵作用于图像特征矩阵，并经过一层全连接层，得到加权聚合后的图像特征； 将点云体素特征与相对应的所述图像特征相加，得到融合后的多模态特征； 将所述多模态特征送入点云三维目标检测骨干网络，在降采样的同时，引入特征权重图聚合高度维度特征，得到多个不同尺度的BEV特征，具体包括： 根据所述多模态特征，使用多层感知机生成不同高度维度的特征权重图，经归一化后，将所述特征权重图作用于高度维度特征，自适应加权得到降维后的BEV特征，对多个不同尺度的3D体素特征应用该降维方法，得到多个不同尺度的BEV特征； 使用卷积和相加操作将所述多个不同尺度的BEV特征融合至特定尺度，得到融合后的BEV特征，具体包括： 使用2D卷积将原始最大尺度的BEV特征2倍下采样，再与同尺度的BEV特征相加，重复应用2D卷积下采样操作，与同尺寸的BEV特征相加，最后与8倍下采样原始特征图拼接得到融合后的BEV特征； 将融合后的BEV特征送入RPN网络，生成高分辨率特征图，，具体包括： 使用RPN网络提取并整合融合后的BEV特征，采用的RPN网络包含2个卷积特征提取模块和2个上采样模块、2个卷积特征提取模块，逐步提取输入特征，2个上采样模块为解码器Decoder，将特征恢复至更高的分辨率； 根据高分辨率特征图生成三维目标检测框，得到目标的具体位置和类别。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。