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！

龙图腾网获悉沈阳工业大学;沈阳翼派科技有限公司申请的专利基于柱体自注意力的轻量PointPillars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：CN119785338B 。

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：202411836575.7，技术领域涉及：G06V20/64；该发明授权基于柱体自注意力的轻量PointPillars自动驾驶3D目标检测方法是由张笑宇;张庭恺;彭曦霆;张晓玲设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本基于柱体自注意力的轻量PointPillars自动驾驶3D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柱体自注意力的轻量PointPillars自动驾驶3D目标检测方法，获取点云数据集，将周围360°的点云图像剪裁到图像视角中；使用transformer的encoder网络结构对点云数据进行特征提取，然后经过多层感知机，来进行点云特征的升维；将点云数据切割为柱，并将这些柱子分布到原始世界中，形成2D的伪图像；之后将伪图像送入2D的主干网络进行2D的卷积操作，然后得到2D的特征图再送入到基于SSD的检测头，最后输入预测的结果，预测结果包含了物体的3D中心点坐标和长宽高，以及转向角；本发明中，在特征提取部分引入了transfomer技术和深度可分离卷积技术，提升网络对于上下文语义特征的提取能力，并大大缩小网络的参数量，实现轻量化。

本发明授权基于柱体自注意力的轻量PointPillars自动驾驶3D目标检测方法在权利要求书中公布了：1.一种基于柱体自注意力的轻量PointPillars自动驾驶3D目标检测方法，其特征在于，包括： 步骤一：获取公开道路的点云数据、图像数据、以及设备的参数，其中，设备的参数包括相机的内外参数、激光雷达的原点坐标、以及标注好的地面真实标注框； 步骤二：裁剪点云数据，将车体周围360°的点云裁剪到只剩下在相机视图中出现的点云； 步骤三：然后将处理后的原始点云输入到PointPillars的第一个改进的PillarsFeatureNet模块，在PillarsFeatureNet模块中增加了局部自注意力的transformer结构来提升特征提取能力，最后得到2D的伪图像； 步骤四：将上一步得到的伪图像，送入到基于通道注意力的深度可分离轻量化主干网络中，进行特征提取，得到2D特征图； 步骤五：将2D特征图送入到基于SSD的目标检测头中，得到检测结果； 步骤六：将检测结果标记到原始点云中，以实现3D世界中的自动驾驶汽车的3D目标检测任务； 所述步骤三中PillarsFeatureNet模块的局部自注意力transformer过程包括： 步骤3-1：获取步骤二中得到的经过裁剪的原始点云数据，其包含了一个场景中出现在相机视野中的所有点的，分别代表单个点的三维世界坐标和表面反射强度； 步骤3-2：点云柱化，将获取的原始点云数据送入到voxelize模块，进行切割，并且计算得到每个柱体在原始三维世界中的对应坐标，作为返回值传回PillarsFeatureNet模块； 步骤3-3：特征升维，在得到分割好后的柱体后，计算每个柱体所有点的聚类中心、每个柱体的中心点偏移、以及观察者到该点的距离，都当成是该点的特征； 步骤3-4：然后送入到局部自注意力transformer进行局部特征提取和注意力计算；得到张量，其中第一维代表这个批次中一个样本有多少个柱体，第二个维度代表每个柱体中包含多少个点，第三个维度代表的是每个点的具体特征信息；将该张量送入到transformer的encoder结构中，首先对其进行位置编码； 然后计算每个柱体的自相关性；最终得到的结果子向量表示每个点相对于其他点的重要程度； 采用多头注意力机制将全部的子向量拼接在一起，最后再经过一个权重得到最终的注意力结果；然后会经过一个残差结构和前向传播模块，并进行多次迭代； 步骤3-5：最后将经过encoder的点云特征重新根据相对坐标还原成2D的伪图像。

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沈阳工业大学;沈阳翼派科技有限公司，其通讯地址为：110870 辽宁省沈阳市铁西区经济技术开发区沈辽西路111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。