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！

龙图腾网获悉上海大学申请的专利一种基于模糊隶属度监督和证据深度学习的分布外点云物体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：CN119600561B 。

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：202411666343.1，技术领域涉及：G06V20/56；该发明授权一种基于模糊隶属度监督和证据深度学习的分布外点云物体检测方法是由岳晓冬;李霖烨;陈宇飞设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种基于模糊隶属度监督和证据深度学习的分布外点云物体检测方法在说明书摘要公布了：本申请涉及自动驾驶领域，提出一种基于模糊隶属度监督和证据深度学习的分布外点云物体检测方法。包括以下步骤，使用3D目标检测模型得到候选前景物体；前景物体点云特征提取；基于模糊C均值均值聚类的模糊隶属度计算；利用模糊隶属度值作为标记信息，进行证据深度学习模型训练；使用训练好的证据深度学习模型推理前景物体的不确定值，并判断物体是否属于分布外样本。本申请利用模糊聚类得到的模糊隶属度作为监督信息，使用证据深度学习在点云目标检测数据集上进行训练，并利用证据深度学习预测的不确定值进行点云开集目标检测，不仅鲁棒且可解释性强，还能在大规模稀疏点云场景下保证开集检测效果。

本发明授权一种基于模糊隶属度监督和证据深度学习的分布外点云物体检测方法在权利要求书中公布了：1.一种基于模糊隶属度监督和证据深度学习的分布外点云物体检测方法，其特征在于，包括以下步骤： 步骤一，点云数据采集与预处理；从3D传感器中获取点云数据，对点云进行预处理，包括去噪、滤波和下采样操作，以提高后续处理的效率和准确性； 步骤二：前景物体提取；利用基于体素的3D目标检测模型PV-RCNN对预处理后的点云数据进行处理，以确定候选前景物体，即可能包含感兴趣物体的区域； 步骤三：特征提取与表示学习：针对候选前景物体的点云数据，使用PointNet进行特征提取得到维特征向量，以捕获物体的关键信息和特征； 步骤四：特征记忆模块：由于每一帧点云中包含的前景物体数较少，并且样本数量分布不均匀，使用特征记忆模块，为每一个类别维护一个特征向量集合，通过滑动窗口更新这个记忆模块来积累更多样本的特征信息； 特征记忆模块的输出提供给步骤五； 步骤五：模糊隶属度计算与聚类分析：使用模糊C均值聚类算法，对提取的特征进行聚类处理，计算每个点云数据点的模糊隶属度，从而确定其在不同物体类别中的归属程度； 步骤六：证据深度学习模型训练与优化：将计算得到的模糊隶属度值作为标记信息，结合点云数据的其他属性，构建证据深度学习模型，并在点云目标检测数据集上进行训练与优化； 步骤七：不确定值估计与分布外检测：推理阶段，利用步骤六获得的证据深度学习模型对前景物体进行推理，预测其不确定值，并根据不确定值判断物体是否属于分布外样本。

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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。