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！

龙图腾网获悉中国科学技术大学申请的专利一种基于深度学习的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：CN117037142B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202311039312.9，技术领域涉及：G06V20/64；该发明授权一种基于深度学习的3D目标检测方法是由於俊;刘瑞宇;曹力设计研发完成，并于2023-08-17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目标检测方法在说明书摘要公布了：本发明涉及一种基于深度学习的3D目标检测方法，具体为，加载点云数据集作为训练样本图像，使用向量表示每一个点云，划分场景为多个柱状体，使用张量来表示整个场景；对场景中的图像进行灰度化处理和均值滤波处理；构建深度学习卷积神经网络，包括柱状提取网络、图像预处理模块、2D特征提取网络和多分支检测头网络；加载点云数据集作为训练集，对神经网络模型进行训练，得到训练好的神经网络模型；使用阶段，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3D位置及类别。本发明可以实现对自动驾驶场景中目标检测在保持速度的情况下，能够实现精准定位和分类。

本发明授权一种基于深度学习的3D目标检测方法在权利要求书中公布了：1.一种基于深度学习的3D目标检测方法，其特征在于，所述方法包括以下步骤： 步骤1、读取KITTI数据集，将KITTI数据集分为训练集和测试集，加载训练集训练模型，对加载的点云数据预处理，使用向量表示每一个点云，划分场景为多个柱状体，使用张量来表示整个场景； 步骤2、加载步骤1中点云场景所对应的图像，对场景中的图像进行灰度化处理，优化处理过程，提高目标检测精度，接着进行均值滤波处理以抑制噪声，改善图像质量； 步骤3、构建深度学习卷积神经网络，包括柱状提取网络、图像预处理模块、2D特征提取网络和多分支检测头网络； 步骤4、加载训练集，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； 步骤5、使用阶段，将点云数据和图像送入预训练好的神经网络模型，计算每一个3D目标位置及类别； 步骤1中读取原始雷达点云数据，在场景中按照点云数据所在的X，Y轴，将点云数据划分为网格，凡是落入到一个网格的点云数据被视为其处在一个柱状体里； 读取柱状体中每一个点云的数据，其中包括点云坐标和点云的反射强度，假设每一个柱状体中点云的数量为，那么每个点云的信息可以用＝5的向量来表示，分别为，其中为点云信息，为点云柱状体几何中心的相对位置； 其中，分别表示柱状体的中心点的坐标位置； 保留每个柱状体中个点云，如果补零，反之随机抽取点云，具体方法如下： 假设每个样本有P个非空的柱状体，某个柱状体网格有个点云数据，随机抽取一个点云，该点云坐标为，设置范围长度，统计在区间内点云的数量，则该点被抛弃的概率为，如此循环操作，直至选中N个点云，则每个样本可以用一个D，P，N的张量表示； 步骤2中，对场景中的图像实行灰度化处理，经过灰度处理后，其色彩变化将被去除，仅保留灰色强度变化趋势； 利用灰度模型当中的，与彩色图像模型当中的相对应，根据加权平均法，得到三原色所涉权值计算RGB的加权平均值如下： 其中，表示的所占权重，表示的所占权重，表示的所占权重； 在完成图像的灰度处理后，采用均值滤波法抑制噪声，改善图像质量，将所采集到的图像划分为若干个大小相同的模板，假设其原图像分辨率为，完成均值滤波处理后得到新的滤波图像，其计算过程如下： 其中，表示滤波前的图像，表示新的滤波图像，表示对窗口中所有像素进行求和，是窗口尺寸。

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科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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。