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！

龙图腾网获悉南方科技大学申请的专利一种从仿真数据到真实数据的点云目标检测域适应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：CN117710643B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202311556491.3，技术领域涉及：G06V10/25；该发明授权一种从仿真数据到真实数据的点云目标检测域适应方法是由张美莹;彭维源;郝祁设计研发完成，并于2023-11-20向国家知识产权局提交的专利申请。

本一种从仿真数据到真实数据的点云目标检测域适应方法在说明书摘要公布了：本发明提供一种从仿真数据到真实数据的点云目标检测域适应方法，该方法包括：获取来自目标域的点云；将点云输入训练好的两阶段点云目标检测模型中，两阶段点云目标检测模型输出点云中每个目标物体的最终预测结果，最终预测结果包括目标物体的类别结果及定位结果；其中，两阶段点云目标检测模型包括一阶段检测模型和二阶段检测模型，一阶段检测模型用于对点云进行处理而输出特征图和一阶段候选框，二阶段检测模型用于对特征图和候选框进行处理而得到点云中每个目标物体的类别及对应的二阶段检测框；一阶段候选框的候选框参数中的尺寸参数为一组固定的数值，二阶段检测框是基于一阶段候选框而得到的。

本发明授权一种从仿真数据到真实数据的点云目标检测域适应方法在权利要求书中公布了：1.一种从仿真数据到真实数据的点云目标检测域适应方法，其特征在于，包括： 获取来自目标域的点云； 将所述点云输入训练好的两阶段点云目标检测模型中，所述两阶段点云目标检测模型输出所述点云中每个目标物体的最终预测结果，所述最终预测结果包括所述目标物体的类别结果及定位结果； 其中，所述两阶段点云目标检测模型包括一阶段检测模型和二阶段检测模型，所述一阶段检测模型用于对所述点云进行处理而输出特征图和一阶段候选框，所述二阶段检测模型用于对所述特征图和一阶段候选框进行处理而得到所述点云中每个目标物体的类别及对应的二阶段检测框； 其中，所述一阶段候选框的候选框参数中的尺寸参数为与源域数据集对应的一组固定的数值，所述二阶段检测框是基于所述一阶段候选框而得到的； 其中，所述一阶段检测模型是在来自源域的源域数据集上训练得到的，所述二阶段检测模型是先在所述源域数据集上训练，然后在来自所述目标域的目标域数据集上训练而得到的，所述源域和所述目标域为不同域； 其中，所述二阶段检测模型包括教师子模型；所述教师子模型是经过预设训练轮次的迭代训练而得到的； 所述教师子模型的一个训练轮次的训练流程包括： 在当次迭代训练开始之后，将无标签的目标域数据输入所述教师子模型，所述教师子模型对所述目标域数据进行预测而输出与所述目标域数据对应的二阶段检测框的类别预测结果、回归量预测结果和不确定度预测结果；其中，所述目标域数据来自于所述目标域数据集； 根据所述不确定度预测结果的大小，确定所述无标签的目标域数据是否为低不确定度样本； 其中，若所述目标域数据是低不确定度样本，则继续判断所述低不确定度样本是否为高置信样本；若所述目标域数据不是低不确定度样本，则结束当次迭代训练； 其中，若所述低不确定度样本是高置信样本，将所述高置信样本所对应的类别预测结果、回归量预测结果和不确定度预测结果作为所述高置信样本的伪标签，通过与所述教师子模型对应的学生子模型对所述高置信样本进行预测而输出与所述高置信样本对应的二阶段检测框的类别预测结果、回归量预测结果和不确定度预测结果；若所述低不确定度样本不是高置信样本，则结束当次迭代训练。

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南方科技大学，其通讯地址为：518000 广东省深圳市南山区桃源街道学苑大道1088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。