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！

龙图腾网获悉北京理工大学申请的专利一种基于对比学习的激光雷达环境感知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：CN116883742B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202310855240.9，技术领域涉及：G06V10/764；该发明授权一种基于对比学习的激光雷达环境感知方法是由刘凯琪;童佳洵;白霞设计研发完成，并于2023-07-12向国家知识产权局提交的专利申请。

本一种基于对比学习的激光雷达环境感知方法在说明书摘要公布了：本发明公开了一种基于对比学习的激光雷达环境感知方法，包括以下步骤：S1.利用激光雷达扫描，采集目标环境的激光点云数据，并对激光点云数据进行预处理,得到点云特征数据；S2.构建MLP降维模型，对于点云特征数据中每个点的特征进行降维、过滤和学习更新后，得到成熟的MLP降维模型；S3.构建MLP分类模型，并且以将原始分类分支和重平衡分支结合，计算梯度并反向更新权重，得到成熟的MLP分类模型；S4.将目标环境中新采集到的点云数据进行环境感知。本发明有效实现了训练过程样本的平衡，有效保证了训练得到的模型的分类精度。

本发明授权一种基于对比学习的激光雷达环境感知方法在权利要求书中公布了：1.一种基于对比学习的激光雷达环境感知方法，其特征在于：包括以下步骤： S1.利用激光雷达扫描，采集目标环境的激光点云数据，并对激光点云数据进行预处理,得到点云特征数据； S2.构建MLP降维模型，对于点云特征数据中每个点的特征进行降维、过滤和学习更新后，得到成熟的MLP降维模型； 所述步骤S2包括以下子步骤： S201.基于MLP算法构建MLP降维模型： 所述MLP降维模型的输入层节点数大于输出层节点数，隐藏层节点数与输入层节点数相同，激活函数采用RELU；输出层节点数对应于特征降维前的维度，输出层节点数对应于特征降维后的维度； 将步骤S1得到的每个点的特征送入MLP模型中进行降维，得到对比特征； S202.利用点过滤器对降维后的各个点进行过滤： 过滤时，首先计算每个点的得分，然后基于设定的得分阈值，将分数低于阈值的点进行滤除； 点过滤器对每个点计算得分的方式如下： 其中，f,b,l,r,u,d分别代表点距离真值框前表面，后表面，左表面，右表面，上表面和下表面的距离； S203.对于过滤后的得到的点，基于对比点损失对模型进行优化： 优化过程是通过计算损失函数，在学习过程中损失函数减小，更新权重： 设过滤后得到的各个点构成的点云为代表第i个点的对比表征，yi代表第i个点的真值，si代表第i个点的得分，N表示过滤后的点的个数； 对比点损失定义如下： 其中，Qi是除去自身点以外的点集合，Pi是真值类别与第i个点相同的点集合； 基于对比点损失，采用梯度反向传播的方式更新MLP降维模型，并在每个点下重复上述更新，得到成熟的MLP降维模型； S3.构建MLP分类模型，并且以将原始分类分支和重平衡分支结合，计算梯度并反向更新权重，得到成熟的MLP分类模型； S4.将目标环境中新采集到的点云数据按照步骤S1进行预处理后，得到新的点云特征数据，将新的点云特征数据中每个点的特征送入成熟的MLP降维模型进行降维后，送入成熟的MLP分类模型，由MLP分类模型输出每个点的分类结果，作为激光雷达的环境感知结果。

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理工大学，其通讯地址为：100000 北京市海淀区中关村南大街5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。