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！

龙图腾网获悉中国计量大学申请的专利一种基于前景特征提取的三维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：CN121033558B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511563569.3，技术领域涉及：G06V10/764；该发明授权一种基于前景特征提取的三维目标检测方法是由陆佳炜;钟阳晟;葛思翰;肖刚;李琛;叶嘉俊设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本一种基于前景特征提取的三维目标检测方法在说明书摘要公布了：一种基于前景特征提取的三维目标检测方法，属于三维目标检测领域，包括以下步骤：步骤一、提取前景特征，过程如下：步骤1.1定义初级特征提取主干网络；步骤1.2前景区域划分；步骤1.3前景评分；步骤1.4金字塔特征聚合；步骤二、三维可变形注意力，将可变形注意力拓展到三维空间，包括三维偏移采样和视图变换，对于三维空间中的每个查询参考点，模型学习每个查询点周围的MM个采样偏移量，并将这些参考点投影到不同的二维尺度和视图中；在二维目标检测器的帮助下，将目标对象的位置约束在某些图像区域内。本发明有效减少背景干扰并降低计算复杂度，增强模型对特征信息的提取和表达能力。

本发明授权一种基于前景特征提取的三维目标检测方法在权利要求书中公布了：1.一种基于前景特征提取的三维目标检测方法，其特征在于，所述方法包括以下步骤： 步骤一、提取前景特征，过程如下： 步骤1.1定义初级特征提取主干网络：将ResNet网络作为提取输入图像中基础特征的主干网络，从三维目标检测数据集中拿取一帧下的多视图图片，并在三种不同的提取特征的尺度下18,116,132得到图片特征； 步骤1.2前景区域划分：设计一个前景采样模块，以过滤无关的背景，减少计算并增强对主要检测目标的关注，该模块的输入来自步骤1.1的骨干网络ResNet所提取的多尺度特征；为了对前景区域进行划分，在步骤1.1中得到图片特征后，将第s尺度特征图i，j处回归到原始图像的位置，并通过设置限制距离以及限制区域获取前景令牌，当限制距离在限制区域中且原始图像位置x，y在区域内，即为前景令牌，否则舍去该令牌； 步骤1.3前景评分：经过步骤1.2的初步筛选后，得到了图片的前景令牌，然后通过自上而下的评分模块，以处理不同层级特征的重要性；利用基于MLP的评分模块来预测每个特征图的前景评分，并根据前景目标令牌评分从各尺度下的前景令牌进行挑选，得到进一步筛选后的前景评分矩阵； 步骤1.4金字塔特征聚合：经过步骤1.3前景特征评分后，设计聚合层，使用金字塔池化模块来聚合这些前景特征，对每个尺寸的特征图依次进行1*1的Conv操作来减少通道数；然后采用双线性插值进行上采样，并在通道上进行拼接；再设计交叉注意力机制，利用局部细节的前景特征作为查询q和键k，令融合特征作为值v，随后经过三个交叉注意力层的处理，得到增强后的前景采样金字塔特征； 步骤二、三维可变形注意力，将可变形注意力拓展到三维空间，包括三维偏移采样和视图变换，对于三维空间中的每个查询参考点，模型学习每个查询点周围的M个采样偏移量，并将这些参考点投影到不同的二维尺度和视图中；在二维目标检测器的帮助下，将目标对象的位置约束在某些图像区域内，过程如下： 步骤2.1对象查询生成：为了从二维检测中生成对象查询，结合二维目标检测器以及深度信息检测器，提出一个动态查询生成器；其中，二维识别边界框生成过程为：将步骤1.4中得到的前景采样后的特征输入到二维检测器中，使用特征金字塔网络融合不同层次特征，并将预测的边界框坐标映射回原始图像尺度，最后检测前景目标并得到识别边界框；深度查询生成过程为：使用DepthNet生成图像相应的离散深度分布，结合深度信息和二维边界框中心点坐标，并利用相机内参数和外参数将当前像素坐标系转换到三维现实坐标系中，进而生成一系列的深度查询对象，得到二维对象深度查询； 步骤2.2三维查询特征交互：采用三维可变形注意力，利用增强的前景采样金字塔特征和多视图上实现高效的特征交互；根据二维参考点以及对应的可学习偏移值，三维对象查询与来自前景采样特征图进行交互，并通过这种方式将各个视角和尺度的不同特征聚合到三维查询中； 步骤2.3计算自注意力特征向量：其输入为步骤2.2的查询特征，通过自注意力机制与归一化操作生成更新后的查询向量； 步骤2.4计算三维可变形注意力特征图：其输入为步骤2.3更新后的查询向量，通过可变形采样点在不同尺度特征图中提取特征并加权求和，输出为三维可变形注意力特征； 步骤2.5融合注意力特征：将步骤2.3和步骤2.4中的注意力特征相加，并经过带有激活函数和归一化操作的多层线性结构，得到最终的特征表示； 步骤2.6更新特征：将步骤2.5中的通过MLP生成查询向量作为步骤2.3的输入数据，并经过若干次迭代的运算； 步骤2.7生成三维目标检测框：其输入为步骤2.6的三维查询特征，通过检测头输出目标的三维中心位置、尺寸以及方向角，生成最终的三维边界框。

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计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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。