買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江大學(xué)申請(qǐng)的專利一種基于解耦動(dòng)態(tài)卷積核的雷達(dá)全景分割方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116704504B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310496335.6，技術(shù)領(lǐng)域涉及：G06V20/70；該發(fā)明授權(quán)一種基于解耦動(dòng)態(tài)卷積核的雷達(dá)全景分割方法是由劉勇;楊煜;梅劍標(biāo)設(shè)計(jì)研發(fā)完成，并于2023-05-05向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于解耦動(dòng)態(tài)卷積核的雷達(dá)全景分割方法在說明書摘要公布了：本發(fā)明涉及3D視覺技術(shù)領(lǐng)域，提出了一種基于解耦動(dòng)態(tài)卷積核的雷達(dá)全景分割方法，主要包括構(gòu)建點(diǎn)云特征提取器、構(gòu)建動(dòng)態(tài)卷積核生成模塊、構(gòu)建動(dòng)態(tài)卷積核解碼模塊、模型訓(xùn)練和模型推斷五個(gè)階段的步驟實(shí)現(xiàn)，本發(fā)明提出一種新型的PanopticDKNet網(wǎng)絡(luò)模型，以在具有解耦動(dòng)態(tài)卷積核的統(tǒng)一工作流中實(shí)現(xiàn)雷達(dá)點(diǎn)云全景分割，PanopticDKNet將實(shí)例目標(biāo)和背景類別的動(dòng)態(tài)核進(jìn)行解耦，以促進(jìn)各自的學(xué)習(xí)過程，同時(shí)對(duì)分類和分割實(shí)現(xiàn)解耦策略，以避免不同類別之間的相互競爭。本發(fā)明所設(shè)計(jì)的算法在SemanticKITTI基準(zhǔn)數(shù)據(jù)集上表現(xiàn)出較好的全景分割性能，且對(duì)環(huán)境中緊鄰的小目標(biāo)點(diǎn)云、分散的大目標(biāo)點(diǎn)云具有很好的分割魯棒性。

本發(fā)明授權(quán)一種基于解耦動(dòng)態(tài)卷積核的雷達(dá)全景分割方法在權(quán)利要求書中公布了：1.一種基于解耦動(dòng)態(tài)卷積核的雷達(dá)全景分割方法，其特征在于，包括以下步驟：S1、構(gòu)建點(diǎn)云特征提取器，基于體素化表示和3D稀疏卷積提取輸入點(diǎn)云的體素特征和點(diǎn)級(jí)特征嵌入；S2、構(gòu)建動(dòng)態(tài)卷積核生成模塊，基于鳥瞰熱力圖，根據(jù)BEV視角下預(yù)測(cè)的實(shí)例和背景類點(diǎn)云位置，生成動(dòng)態(tài)卷積核初始權(quán)重；S3、構(gòu)建動(dòng)態(tài)卷積核解碼模塊，利用實(shí)例動(dòng)態(tài)核預(yù)測(cè)實(shí)例目標(biāo)的3D邊界框，采用kNN-Transformer為動(dòng)態(tài)核加權(quán)融合點(diǎn)云特征，最后采取動(dòng)態(tài)核與點(diǎn)云特征卷積的方式預(yù)測(cè)掩碼，輸出場(chǎng)景點(diǎn)云全景分割結(jié)果；S4、利用服務(wù)器，通過降低網(wǎng)絡(luò)損失函數(shù)優(yōu)化網(wǎng)絡(luò)參數(shù)，直至網(wǎng)絡(luò)收斂，獲得基于解耦動(dòng)態(tài)卷積核的雷達(dá)全景分割方法；S5、利用所述基于解耦動(dòng)態(tài)卷積核的雷達(dá)全景分割方法對(duì)新的點(diǎn)云進(jìn)行全景分割預(yù)測(cè)；所述步驟S4具體包括以下步驟：S41、采集訓(xùn)練數(shù)據(jù)集中的點(diǎn)云數(shù)據(jù)，利用服務(wù)器執(zhí)行步驟S1中的點(diǎn)云特征提取過程，輸出體素特征和點(diǎn)級(jí)特征嵌入；將體素特征輸入步驟S2中的BEV鳥瞰熱力圖預(yù)測(cè)模塊，生成實(shí)例中心點(diǎn)熱力圖Mth、背景區(qū)域圖Mst，對(duì)于兩個(gè)熱力圖采用FocalLoss進(jìn)行監(jiān)督，具體可表示為：Lpos＝FLMth,YthNth+FLMst,YstNstS42、利用服務(wù)器執(zhí)行步驟S3中的動(dòng)態(tài)卷積核解碼模塊，利用實(shí)例動(dòng)態(tài)核預(yù)測(cè)實(shí)例目標(biāo)的3D邊界框，對(duì)預(yù)測(cè)的邊界框和IoU進(jìn)行監(jiān)督，具體可表示為：Ldet＝Lbox+λIoU·LIoU其中Lbox為邊界框回歸的L1損失，LIoU為邊界框IoU的SmoothL1損失；S43、利用服務(wù)器執(zhí)行步驟S3中的kNN-Transformer為動(dòng)態(tài)核加權(quán)融合點(diǎn)云特征，最后采取動(dòng)態(tài)核與點(diǎn)云特征卷積的方式預(yù)測(cè)掩碼，輸出場(chǎng)景點(diǎn)云全景分割結(jié)果，對(duì)分割結(jié)果進(jìn)行監(jiān)督，具體可表示為： S44、利用服務(wù)器進(jìn)行網(wǎng)絡(luò)訓(xùn)練，損失函數(shù)Ltotal為步驟S41、步驟S42和步驟S43中的損失的加權(quán)和：Ltotal＝Lpos+Ldet+LmaskS45、利用服務(wù)器優(yōu)化目標(biāo)函數(shù)，獲取局部最優(yōu)網(wǎng)絡(luò)參數(shù)；步驟S43中的所述分割結(jié)果的損失具體計(jì)算方式為：在掩碼解碼器訓(xùn)練階段，使用匈牙利匹配算法來匹配預(yù)測(cè)的實(shí)例框和真實(shí)標(biāo)簽，使用FocalLossLfl和DiceLossLdl來監(jiān)督實(shí)例對(duì)象的分割掩碼，使用交叉熵?fù)p失Lce以及Lovaszsoftmax損失Lls監(jiān)督背景類別分割掩碼。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江大學(xué)，其通訊地址為：310000 浙江省杭州市西湖區(qū)余杭塘路866號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。