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！

龙图腾网获悉联通(上海)产业互联网有限公司申请的专利一种基于摄像机与激光雷达相结合的路侧3D目标检测深度学习算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：CN117058407B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310841054.X，技术领域涉及：G06V10/44；该发明授权一种基于摄像机与激光雷达相结合的路侧3D目标检测深度学习算法是由张正卿;胡超;邬伟杰;黄家耀;赖盛鑫;朱力强设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本一种基于摄像机与激光雷达相结合的路侧3D目标检测深度学习算法在说明书摘要公布了：本发明涉及3D目标检测技术领域，尤其为通过设计一种基于摄像机与激光雷达相结合的路侧3D目标检测深度学习算法，其步骤具体如下：步骤S1，数据构建、数据预处理；步骤S2，图像特征提取；步骤S3，激光雷达特征提取；步骤S4，特征融合；步骤S5，任务Head解码，本发明通过设计有效的解决了现阶段3D检测算法的忽视了道路交通路侧摄像头和雷达的作用以及激光雷达数据在多传感器融合的成功应用的现状。

本发明授权一种基于摄像机与激光雷达相结合的路侧3D目标检测深度学习算法在权利要求书中公布了：1.一种基于摄像机与激光雷达相结合的路侧3D目标检测深度学习算法，其特征在于，包括以下步骤：步骤S1，数据构建、数据预处理：路测3D目标检测的开源数据集包括DAIR-V2X-IDataset、A9IntersectionDataset和Repo3DDataset，当需在自己的数据集上进行训练时，将数据格式准备为与上述三个数据集一致，并且将上述数据转化为KITTI数据集格式进入模型，对数据集进行转化后，进行特征提取； 步骤S2，图像特征提取：图像特征是通过构建图像高度投影网络，即ImageHeightProjectorNetwork,IHPN，进行提取,以RGB图像作为输入数据，利用Resnet101网络进行特征提取，再使用FPN对提取的特征进行多尺度融合，得到提取的图像特征； 在图像特征的基础上，将特征分为语义信息分支和像素高度预测分支，对于语义信息分支使用压缩和激励网络层，即SE-layer，提取图像中感兴趣区域的语义信息，对于像素高度预测分支使用多层残差块加一个可形变卷积层来预测每个像素的高度，再将语义信息分支和像素高度预测分支以点乘的方式进行融合得到的最终的2维图像特征，接下来将图像2D特征映射到3D特征，通过创建深度为1的虚拟坐标系，将2D特征与虚拟坐标系进行关联点对应，再根据相似三角形原理，将路测摄像头2D特征转换到3D空间，最后使用VoxelPooling体素池化生成点的BEV特征，至此图像像素高度投影网络，即IHPN，构建完成，图像特征由2维转换为3维BEV特征； 步骤S3，激光雷达特征提取：对于激光雷达数据特征提取，首先将输入点云数据进行裁剪，只保留了四个维度，即X、Y、Z和密度，采用散射法来增加单帧点云扫描的密度； 然后，将点云分为地面点云和非地面点云，再对地点云进行离群值去除，以过滤噪声，预处理结束后，从点云中提取VoxelPooling体素池化特征，生成点云的BEV特征； 步骤S4，特征融合：根据提取的图像BEV特征和点云BEV特征，将RGB图像生成的语义特征与LiDAR点云几何特征进行融合，再将原始特征进行两次上采样，再进行一次下采样，融合相同大小的特征图，得到最终融合的特征图；步骤S5，任务Head解码：根据上面的特征图，经过一次上采样和共享卷积，并使用ScaleNMS对3D框进行非极大值抑制，最后解码六个不共享的任务Head，每个任务Head包含六个分支，分支一是2D维度沿着x,y轴方向的偏移量，即reg分支，分支二是z轴也就是预测物体的高度信息，即height分支，分支三是物体的的尺寸大小信息，即dim分支，其中尺寸大小信息为长-宽-高，分支四是物体偏航角的正、余弦，即rot分支，分支五是物体沿x,y轴方向的速度，即vel分支，分支六是分类置信度，即heatmap分支。

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联通(上海)产业互联网有限公司，其通讯地址为：200050 上海市长宁区长宁路1033号7楼；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。