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！

龙图腾网获悉中国航空无线电电子研究所申请的专利一种基于多源信息多尺度融合的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：CN116883767B 。

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：202310899979.X，技术领域涉及：G06V10/77；该发明授权一种基于多源信息多尺度融合的目标检测方法是由刘博;米佳琛;王兴梅;胡晓宇;曾议芝设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本一种基于多源信息多尺度融合的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多源信息多尺度融合的目标检测方法，对原始图像数据和原始点云数据进行相应的数据处理，提取原始图像数据的多尺度融合的图像特征图，提取原始点云数据的点云特征；构建PPFVNet模型；将图像特征与点云特征通过维度匹配修改至同一维度上，再进行点对点拼接完成图像特征与点云特征的融合操作，构建多源信息融合的特征作为PPFVNet模型输入；将融合的特征输入至PPFVNet模型中进行训练，得到目标的分类概率图以及位置回归图，随后计算预测值与真实值的损失函数并进行剃度修正与参数反向传递，最终输出目标检测结果。本发明在目标识别精确率和鲁棒性上有较好的表现，具有一定的有效性。

本发明授权一种基于多源信息多尺度融合的目标检测方法在权利要求书中公布了：1.一种基于多源信息多尺度融合的目标检测方法，其特征在于包含如下步骤： 步骤1对原始图像数据和原始点云数据进行相应的数据处理，提取原始图像数据的多尺度融合的图像特征图，提取原始点云数据的点云特征； 步骤2构建PPFVNet模型；PPFVNet模型包括体素特征编码链层、三维卷积中间层以及三维区域候选网络,以体素特征编码链层结合高维特征与局部聚合特征，从而完成特征增强；通过三维区域候选网络校正候选建议框并构建高分辨率特征图； 所述体素特征编码链层由对个体素特征编码层堆叠而成，对于给定非空体素xi,yi,zi表示第i个点的XYZ坐标，ri为第i个点接收到的反射率，t表示非空体素中点的个数，T为对包含超过T个点的体素进行随机采样抽取T个点，随后计算局部平均值作为V的质心vx,vy,vz，随后给每个点增加一个质心相对偏移w,r,t，从而得到输入特征集 通过全连接层把每个转换至一个特征空间内，用于聚集来自点云特征的信息，以编码包含在体素之内的表面信息；其中，全连接层由一个线性层、一个批归一化层和一个ReLU层组成；在获得了点对点特征之后,将全部与非空体素V相关联的点云特征fi经过最大池化得到非空体素V的局部聚集特征最终，使用局部聚集特征对每个点云特征进行扩充，形成点对点拼接特征: 至此，也得到了输出特征集所有的非空体素都按照上述方式进行编码，并且在全连接层内共享参数； 所述三维区域候选网络则是由三个完全卷积层块组成,每个卷积层块的第一层为一个步长为2的卷积，后面则是一定数量的步长为1的卷积序列，并在每个卷积层块之后进行批归一化与ReLU激活函数操作，以此来对特征图进行下采样处理；然后将每个层块的输出上采样到固定的大小并进行凹面处理，从而构建高分辨率的特征图；最后将特征图映射得到概率得分类以及位置回归图； 步骤3将图像特征与点云特征通过维度匹配修改至同一维度上，再进行点对点拼接完成图像特征与点云特征的融合操作，构建多源信息融合的特征作为PPFVNet模型输入； 步骤4将融合的特征输入至PPFVNet模型中进行训练，得到目标的分类概率图以及位置回归图，随后计算预测值与真实值的损失函数并进行剃度修正与参数反向传递，最终输出目标检测结果。

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中国航空无线电电子研究所，其通讯地址为：200233 上海市徐汇区桂平路432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。