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！

龙图腾网获悉重庆邮电大学申请的专利基于局部特征编解码的自动驾驶3D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：CN119445536B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411558323.2，技术领域涉及：G06V20/58；该发明授权基于局部特征编解码的自动驾驶3D目标检测方法是由邵凯;吴广设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于局部特征编解码的自动驾驶3D目标检测方法在说明书摘要公布了：本发明涉及一种基于局部特征编解码的自动驾驶3D目标检测方法，属于自动驾驶道路车辆检测技术领域。该方法包括：S1：将道路点云数据输入Input网络模块进行预处理；S2：预处理后的数据通过三维主干网络模块进行三维特征提取；三维主干网络模块包括深层下采样卷积网络、自注意力编码模块和交叉注意力解码模块；S3：将三维特征输入到二维主干网络模块，将其投影到BEV视角下获取多尺度二维特征；二维主干网络模块包括基于Swin‑Transformer的自注意力位置编码模块和增强特征融合模块；S4：将三维特征和二维特征送入Head网络模块融合并获取分类和回归结果，输出车辆、行人和骑行者各类别的检测信息。

本发明授权基于局部特征编解码的自动驾驶3D目标检测方法在权利要求书中公布了：1.一种基于局部特征编解码的自动驾驶3D目标检测方法，其特征在于，该方法具体包括以下步骤： S1：将道路点云数据输入Input网络模块进行预处理； S2：预处理后的道路点云数据通过三维主干网络模块进行三维特征提取，获得相应的三维特征；所述三维主干网络模块包括深层下采样卷积网络和基于Transformer的局部特征编解码模块；所述基于Transformer的局部特征编解码模块包括自注意力编码模块和交叉注意力解码模块； 所述自注意力编码模块是基于多头自注意力机制设计，由基于HW窗口的多头自注意力和基于D窗口的多头自注意力组成，用残差的方式连接；HW窗口关注HW维度之间的关联，D窗口则关注D维度上的关联； 实现细节为将送入的3D卷积特征图沿着HW维度划分为大小相等的小块，在HW方向上用滑动窗口的方式对其进行编码；然后，对输出的特征进行重构，恢复为初始特征的形状；沿着D维度再次划分为小块，用D方向上的滑动窗口对其进行编码，最后将编码后的特征图重构为初始形状大小；同时，为防止过拟合现象发生，添加了Dropout层，其次用残差的连接方式拼接初始特征和编码后的特征；局部特征编码过程由下式表示： 其中，为送入的特征，为编码后的特征，为D窗口的多头注意力机制，为HW窗口的多头注意力机制； 所述交叉注意力解码模块具体包括：输入特征图为编码后的多尺度特征与；首先对输入的特征进行3D卷积操作，将多尺度3D特征图重构为相同大小以实现键值对的生成，具体计算如下： 其中，是3D卷积操作，是输入特征图大小，是卷积核大小，b是偏置项，是激活函数；得到相同的两个特征后，首先进行1*1*1卷积，分别生成初始查询Q、键K和值V；将Q、K和V的空间重构为，其中HW表示HW窗口的尺寸，D表示D窗口的尺寸，C是通道数，通过矩阵乘法计算HW维度交叉注意力权重；之后，输出特征再次被送入1*1*1卷积，产生一个新的K和一个新的V；将初始Q、新K和新V组合成新的查询对，并将空间重塑为，通过矩阵乘法计算D维度交叉注意力权重； S3：将三维特征输入到二维主干网络模块，将其投影到BEV视角下获取多尺度二维特征；所述二维主干网络模块包括基于Swin-Transformer的自注意力位置编码模块和增强特征融合模块； 位置编码模块的具体实现细节为：输入特征先经过一个LayerNorm层进行标准化，然后传递给WindowAttention层进行自注意力权重计算，输入张量通过线性变换得到查询、键和值，然后通过softmax函数计算注意力权重，并将它们与值相乘以获得自注意力大小的表示；注意力权重大小计算后，经过一个残差连接将原始输入和经过注意力机制的输出相加，最后通过LayerNorm和MLP模块处理并再次使用残差连接的方式融合特征； S4：将三维特征和二维特征送入Head网络模块，融合并获取分类和回归结果，输出车辆、行人和骑行者各类别的检测信息。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。