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！

龙图腾网获悉北京工业大学申请的专利一种基于多模态数据融合与3D体素投影的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：CN119693932B 。

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：202411638180.6，技术领域涉及：G06V20/64；该发明授权一种基于多模态数据融合与3D体素投影的目标检测方法是由杜永萍;户一凡;金醒男;任坤;韩红桂;吴玉锋设计研发完成，并于2024-11-16向国家知识产权局提交的专利申请。

本一种基于多模态数据融合与3D体素投影的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多模态数据融合与3D体素投影的目标检测方法，首先，从RGB图像和深度图像中提取并融合多模态特征；接着，采用特征金字塔网络对多尺度特征进行聚合，并利用真实深度信息将2D特征图精确地映射到3D体素空间中，形成3D体素体积；随后，通过体素特征编码网络提取局部3D特征，并进一步通过3D卷积神经网络提取全局特征。最终，将上述全局特征输入到检测头中，获取最终的目标检测结果。模型在大型公开数据集上进行训练，可以适应特征维度高、结构差异大、分布不均衡的数据，多模态特征的融合能够有效提升3D目标检测的准确度和鲁棒性，适用于物流分拣场景中的物体检测任务。

本发明授权一种基于多模态数据融合与3D体素投影的目标检测方法在权利要求书中公布了：1.一种基于多模态数据融合与3D体素投影的目标检测方法，其特征在于： 基于大型公开数据集进行室内3D目标检测，融合RGB图像与深度图像数据，并结合真实深度信息进行精确的3D体素投影，以提高室内3D目标检测的准确性和鲁棒性；具体包括以下步骤： 步骤1：数据预处理；首先，从指定路径加载RGB图像、深度图像以及标注信息，进行数据增强操作，包括随机剪裁和翻转；随后，将RGB图像和深度图转换为张量，标注信息转换为边界框和类别标签，最后对数据进行归一化处理； 步骤2：多模态特征提取及融合；利用分层编码器架构高效提取并融合RGB图像与深度图像的多模态特征；经过预处理后的数据首先通过Stem层，Stem层由两个并行的双重3×3卷积网络构成，分别对RGB图像和深度图像执行卷积操作，以实现初步的特征提取与转换；接着，初步提取的特征被输入到基于Transformer的分层编码器模块中，通过全局感知注意力机制和局部增强注意力机制，在多个尺度上捕捉并融合来自两种模态的互补信息，深入挖掘颜色、纹理、距离及几何特征； 步骤3：多尺度特征聚合；多尺度特征图通过特征金字塔网络FPN进行聚合，增强模型在不同分辨率下的检测能力，提高对不同大小物体的检测精度； 步骤4：2D到3D特征体素投影；结合真实的深度信息将聚合得到的2D特征图投影到3D体素空间，构建准确的3D体素化表示；利用相机的内参，将2D图像中的像素点与其深度信息转换为相机坐标系中的三维点；接着，利用相机的外参，包括旋转矩阵和平移向量，将这些三维点从相机坐标系转换到世界坐标系中；最后，根据预定义的3D空间边界和体素大小，确定每个点在体素网格中的具体位置，完成从世界坐标系中到体素网格的3D点映射，为后续3D特征提取提供基础； 步骤5：体素局部特征提取；将2D特征投影到3D体素空间后，利用体素特征编码VFE网络对每个体素进行局部特征提取；VFE网络用于从每个体素中提取有意义的局部特征，得到蕴含空间结构信息的特征表示；具体而言，VFE网络通过处理每个体素，聚合每个体素内的点云特征，得到该体素的向量表示； 步骤6：3D特征提取与目标检测；利用3D卷积神经网络从体素特征中进一步提取更高层次的全局特征；随后，通过检测头对每个锚点进行分类和定位，输出每个锚点的类别概率和3D边界框参数，实现3D目标检测。

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北京工业大学，其通讯地址为：100000 北京市朝阳区平乐园100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。