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！

龙图腾网获悉杭州电子科技大学申请的专利基于级联霍夫曼投票的3D点云单目标跟踪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：CN116385713B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310356618.0，技术领域涉及：G06V10/25；该发明授权基于级联霍夫曼投票的3D点云单目标跟踪方法是由何志伟;许安琪;聂佳浩;杨宇翔;吕旭冬;高明裕;董哲康设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本基于级联霍夫曼投票的3D点云单目标跟踪方法在说明书摘要公布了：本发明公开了一种基于级联霍夫曼投票的3D点云单目标跟踪方法，其特征在于，包括如下步骤：S1、构建目标模板点云序列中给定的一个跟踪目标和搜索区域的数据集，通过PointNet++，将目标模板及搜索区域的点进行下采样并提取采样点的特征，得到目标模板特征和搜索区域特征通过融合PointNet++输出的与得到特征增强的搜索区域的特征S2、基于特征进行级联的霍夫曼投票将搜索区域的点进行偏移，得到了M2个搜索区域点的状态信息从而逐步回归到潜在的目标中心；S3、对进行聚类得到聚类后的点的状态信息Tj；S4、基于聚类后的点的状态信息进行预测。该方法所提的级联霍夫曼投票策略可以嵌入到目前主流的3D点云单目标跟踪方法中，能够有效地提高跟踪地准确率。

本发明授权基于级联霍夫曼投票的3D点云单目标跟踪方法在权利要求书中公布了：1.一种基于级联霍夫曼投票的3D点云单目标跟踪方法，其特征在于，包括如下步骤： S1、构建目标模板和搜索区域的数据集，其中目标模板指定跟踪过程中要跟踪的目标，通过PointNet++，将目标模板及搜索区域的点进行下采样并提取采样点的特征，得到目标模板特征和搜索区域特征通过融合PointNet++输出的与得到特征增强的搜索区域的特征所述PointNet++有L层SetAbstraction组成，L为3； S2、基于特征增强的搜索区域的特征进行级联的霍夫曼投票将搜索区域的点进行偏移，得到了M2个搜索区域点的状态信息从而逐步回归到潜在的目标中心；同时在投票过程中，通过计算回归坐标与真实目标中心的距离，逐次剔除干扰点； 所述步骤S2包括如下子步骤： S2-1、对于最后一层SetAbstraction输出的进行特征融合，得到通过霍夫曼投票VL，得到每个点的偏移公式如下： 其中，vote表示3层连接层组成的多层感知机； S2-2、经过VL偏移后的点的状态信息为计算式如下 通过计算得到令表示真实目标中心位置，引入距离淘汰机制DEM来剔除干扰点； 通过下式： 计算与之间的欧式距离选取距离最近的M1个点保留，剔除距离过远的点； S2-3、计算所保留的M1个点的索引I1，在中获取对应索引的M1个点的状态信息同时在前一层SetAbstraction输出的搜索区域特征中获取对应索引的M1个点的特征并对和进行特征融合，得到融合基于融合进行第二次的霍夫曼投票，得到每个点的偏移公式如下： S2-4、基于对保留的M1个搜索区域的点级联第二次偏移，偏移后的点的状态信息为通过下式计算得到 利用DEM，选取距离最近的M2个点保留，剔除距离过远的点，表达式如下： S2-5、同理得到M2个点的索引I2，在中获取对应索引的M2个点的状态信息并在前一层SetAbstraction输出的搜索区域特征中获取对应索引的M2个点的特征对和进行特征融合，得到融合基于融合进行第三次的霍夫曼投票，得到每个点的偏移公式如下： S2-6、基于对保留的M2个搜索区域的点级联第三次偏移，偏移后的点的状态信息为公式如下： S3、对进行聚类得到聚类后的点的状态信息Tj； S4、基于聚类后的点的状态信息进行预测，q为预测头，由MLP-Maxpool-MLP组成，pj表示3D位置的偏移和X-Y平面的旋转角度，sj表示置信度得分，公式如下： {pj,sj}＝qTj 选取置信度得分sj最高的点作为预测的目标位置中心。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。