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！

龙图腾网获悉奥特酷智能科技(南京)有限公司申请的专利一种基于深度学习的3d目标检测办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：CN115546784B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211322753.5，技术领域涉及：G06V20/64；该发明授权一种基于深度学习的3d目标检测办法是由苏畅;陈诚;张旸设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本一种基于深度学习的3d目标检测办法在说明书摘要公布了：本发明公开了一种基于深度学习的3d目标检测办法，对加载的训练样本图像进行预处理，计算目标的3d中心点，3d中心点在图像上的投影点，八个角点位置，目标中心点的高斯分布；构建深度学习卷积神经网络，包括主干网络和两个分支网络；加载数据集作为训练集，数据经过前向传播得到深度学习卷积神经网络的输出，计算损失度，反向传播，更新网络参数，得到训练好的神经网络模型；使用阶段，接收测试集图像数据，将图像送入预训练好的神经网络模型，得到输出相应的目标，计算每一个目标的3d位置及类别。本发明的3d目标的检测方法，用于自动驾驶中可以提高车辆对环境的感知能力。

本发明授权一种基于深度学习的3d目标检测办法在权利要求书中公布了：1.一种基于深度学习的3d目标检测办法，其特征在于，包括步骤： 1加载kitti数据集作为训练样本图像，对加载的训练样本图像进行预处理，计算目标的3d中心点，3d中心点在图像上的投影点，八个角点位置，目标中心点的高斯分布； 训练样本图像中的目标对象均已进行标注，kitti数据集的标签文件包含目标对象的标注信息有：目标维度长宽高l，w，h，目标在地面中心点的坐标x，y，z，偏转角yaw，相机的内参矩阵K； 目标中心点的高斯分布：设置一个iou阈值，假设一个目标在图像上的尺寸为h，w，求使得预测框和真实框的iou值大于thre_iou的圆圈的半径，记为r；根据r计算得出目标中心点的高斯分布，表达这个位置有目标的概率；设目标的中心为A，点B在水平方向距离A的距离为x，在垂直方向距离A的距离为y，则可以用表示点B是目标中心的概率，其中，θ＝r3，x，y的范围为-r，r； 2构建深度学习卷积神经网络，包括主干网络和两个分支网络； 主干网络采用多个残差结构，残差块内部的结构为1*1卷积层，批量归一化层，激活函数层，3*3卷积层，批量归一化层，激活函数层，1*1卷积层，批量归一化层，激活函数层；输入经过前八层后得到输出，与输入相加，再经过激活函数层得到输出； 残差块之间的连接关系为上一个残差块的输出为下一个残差块的输入，上一个残差块得到的特征图输入到当前残差块，经过卷积后得到新的特征图，和输入的特征图相加完成特征的融合，输入到下一个残差块，以此类推； 包括分类分支和回归分支；分类分支，结构为3*3卷积层，批量归一化层，激活层，1*1卷积层，其输出为概率矩阵，通道数量为待识别的类别数量，矩阵内的值为该位置出现目标的概率；回归分支，结构为3*3卷积层，批量归一化层，激活层，1*1卷积层，其输出为七个，分别为距离偏移zo，目标中心在图像投影点的偏移xo,yo，目标的三围尺寸的偏移ho,wo,lo，以及偏转角yaw的偏移yawo； 3加载数据集作为训练集，数据经过前向传播得到深度学习卷积神经网络的输出，计算损失度，反向传播，更新网络参数，得到训练好的神经网络模型； 4使用阶段，接收测试集图像数据，将图像送入预训练好的神经网络模型，得到输出相应的目标，计算每一个目标的3d位置及类别。

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奥特酷智能科技(南京)有限公司，其通讯地址为：210012 江苏省南京市雨花台区安德门大街57号楚翘城5幢401室-404室；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。