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一种无监督域自适应的单目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：CN119540532B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411630724.4，技术领域涉及：G06V10/25；该发明授权一种无监督域自适应的单目三维目标检测方法是由张陈涛;傅建记;王鹭翔;郑高峰;徐周毅;张建寰设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种无监督域自适应的单目三维目标检测方法在说明书摘要公布了：本发明公开了一种无监督域自适应的单目三维目标检测方法及系统，方法包括：构建单目三维目标检测模型，并进行预训练与自训练；利用训练好的单目三维目标检测模型实现单目三维目标检测；所述单目三维目标检测模型包括：深度图生成模块，接收原始单目图像，输出包含相对尺度深度信息的归一化尺度深度图；伪激光点云生成模块，接收归一化尺度深度图，生成伪激光点云；伪标签生成模块，接收伪激光点云，输出带伪标签的伪激光点云；多模态融合模块，接收带伪标签的伪激光点云和原始单目图像，进行融合获得融合特征；点云目标检测器，根据融合特征实现对三维空间中物体的准确定位和分类。本发明的无监督域自适应策略有效提升了系统的性能和鲁棒性。

本发明授权一种无监督域自适应的单目三维目标检测方法在权利要求书中公布了：1.一种无监督域自适应的单目三维目标检测方法，其特征在于，包括以下步骤： 构建单目三维目标检测模型，并进行训练； 利用训练好的单目三维目标检测模型实现单目三维目标检测； 其中，所述单目三维目标检测模型包括：深度图生成模块，采用自监督单目深度估计网络接收原始单目图像，利用绝对尺度恢复技术，结合运动和几何约束恢复出原始单目图像中每个像素点的绝对深度值，输出包含相对尺度深度信息的归一化尺度深度图；伪激光点云生成模块，接收归一化尺度深度图，通过坐标变换和后处理生成伪激光点云；伪标签生成模块，接收伪激光点云，生成伪标签，输出带伪标签的伪激光点云；多模态融合模块，接收带伪标签的伪激光点云和原始单目图像，进行融合获得融合特征；点云目标检测器，根据融合特征实现对三维空间中物体的准确定位和分类； 所述训练包括： 预训练，在构建单目三维目标检测模型的初期阶段使用有标签的数据集作为源域数据来训练模型，使其学习到能够识别和处理三维目标的基本特征，帮助模型捕捉到关键的视觉和深度信息； 自训练，将预训练后的单目三维目标检测模型应用于无标签的数据集，即目标域数据，模型通过生成伪激光点云，并在此基础上生成伪标签，然后使用这些伪标签来进一步训练和优化模型； 所述预训练包括对伪标签生成模型的预训练和对点云目标检测器的预训练，预训练过程采用基于物体的随机缩放策略以增强伪标签生成模型的泛化性能，提高点云目标检测器的域自适应性能； 所述物体的随机缩放策略包括以下步骤： 对于一个标注的三维目标边界框，具有大小l,w,h，中心坐标u,v,d以及朝向角ω，沿着检测框的长、宽、高进行缩放变换，将点从全局坐标系转换到检测框的局部坐标系，表示为： 其中，表示大小为l,w,h的检测框内第i个点的坐标，·代表矩阵乘法； 通过随机缩放因子fl,fw,fh将框内的点坐标缩放为 将缩放后的点坐标转换回全局的点云坐标系： 多模态融合模块对带伪标签的伪激光点云和原始单目图像进行融合之前，对带伪标签的伪激光点云采用软量化的方法进行点云量化：使用一个径向基函数加权的方式来进行计算；对于给定一组点云数据P＝{p1,p2,p3,...,pN}，采用软量化方法生成一个3D占用张量Tsoftquantization，其中，每个单元u与一个固定中心位置pc关联，如果点p落在单元u外，Tsoftquantizationu＝0；如果点p落在单元u内，则表示为： 其中，Wu是径向基函数权重，δ代表一个极小的正值，表示单元u邻域中的邻近单元；当δ远大于0且单元u的邻域ru是空集的时候，上述软量化恢复为原始的二值化定义。

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。