買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜常州大學(xué)申請(qǐng)的專(zhuān)利一種基于特征層融合的道路車(chē)輛檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114882460B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-23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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210537808.8，技術(shù)領(lǐng)域涉及：G06V20/56；該發(fā)明授權(quán)一種基于特征層融合的道路車(chē)輛檢測(cè)方法是由楊長(zhǎng)春;賀津;王子垚;蘇昊;楊晉蘇;張婷設(shè)計(jì)研發(fā)完成，并于2022-05-17向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于特征層融合的道路車(chē)輛檢測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及自動(dòng)駕駛技術(shù)領(lǐng)域，具體為一種基于特征層融合的道路車(chē)輛檢測(cè)方法，包括：通過(guò)激光雷達(dá)對(duì)基本原始點(diǎn)云數(shù)據(jù)特征進(jìn)行采集，點(diǎn)云柵格化，擬合出地面模型的參數(shù)，計(jì)算地面模型參數(shù)，獲取圖像及圖像預(yù)處理，基于YOLO的檢測(cè)網(wǎng)絡(luò)對(duì)物體進(jìn)行檢測(cè)識(shí)別和地面模型判斷。本發(fā)明基于柵格地圖映射的算法進(jìn)行改進(jìn)，提出了基于多區(qū)域的地面分割算法，將地面點(diǎn)云拆分為多個(gè)區(qū)域進(jìn)行分割，有效緩解了路面不平、坡度等產(chǎn)生的欠分割的現(xiàn)象，通過(guò)計(jì)算得出地面模型參數(shù)，且配合基于YOLO對(duì)物體進(jìn)行識(shí)別得出地面模型參數(shù)結(jié)構(gòu)，通過(guò)將對(duì)應(yīng)的地面模型參數(shù)與對(duì)面模型結(jié)構(gòu)相匹配，能夠準(zhǔn)確的對(duì)地面模型進(jìn)行識(shí)別。

本發(fā)明授權(quán)一種基于特征層融合的道路車(chē)輛檢測(cè)方法在權(quán)利要求書(shū)中公布了：1.一種基于特征層融合的道路車(chē)輛檢測(cè)方法，其特征在于，包括以下步驟：步驟S1，通過(guò)激光雷達(dá)對(duì)基本原始點(diǎn)云數(shù)據(jù)特征進(jìn)行采集：通過(guò)使用激光雷達(dá)對(duì)三維地面進(jìn)行檢測(cè)，通過(guò)梯度信息的障礙物檢測(cè)方法或利用原始點(diǎn)云數(shù)據(jù)的深度信息對(duì)地面點(diǎn)云檢測(cè)方法從點(diǎn)云數(shù)據(jù)中分離出地面點(diǎn)云數(shù)據(jù)，地面點(diǎn)云數(shù)據(jù)包括平面點(diǎn)云數(shù)據(jù)和地面上物體點(diǎn)云數(shù)據(jù)；步驟S2，點(diǎn)云柵格化：通過(guò)將分離出的地面點(diǎn)云數(shù)據(jù)看作是一個(gè)整塊，然后根據(jù)點(diǎn)云的實(shí)際尺寸分別設(shè)定長(zhǎng)方體的最小邊長(zhǎng)，再將長(zhǎng)方體劃分為三維的網(wǎng)格，即將點(diǎn)云進(jìn)行柵格化，形成點(diǎn)云數(shù)據(jù)的多區(qū)域分割；步驟S3，擬合出地面模型的參數(shù)：1在柵格化后的同一個(gè)三維網(wǎng)格的點(diǎn)云中隨機(jī)選取三個(gè)點(diǎn)并向量的叉乘計(jì)算三個(gè)點(diǎn)所在平面的法向量：n＝P2-P1XP3-P1其中，P1＝x1，y1，z1，P2＝x2，y2，z2，P3＝x3，y3，z3；2計(jì)算點(diǎn)云中任意一點(diǎn)到這個(gè)平面的距離： 其中，Pi為點(diǎn)云中任意一點(diǎn)，i＝4,5，...，N；3設(shè)定閾值diτ以提取出正常的點(diǎn)云數(shù)據(jù)，將符合條件的點(diǎn)云保存下來(lái)，形成一個(gè)點(diǎn)云數(shù)據(jù)集合，并記錄點(diǎn)云數(shù)據(jù)集合點(diǎn)的數(shù)量；4迭代步驟1～3T次，然后將所有點(diǎn)云數(shù)據(jù)集合中點(diǎn)的數(shù)量最多的點(diǎn)云數(shù)據(jù)集合保存下來(lái)；5每個(gè)三維網(wǎng)格均需要重復(fù)步驟1至步驟4；6得到每個(gè)三維網(wǎng)格保存下來(lái)點(diǎn)云數(shù)據(jù)集合后，采用最小二乘法微調(diào)保存下來(lái)點(diǎn)云數(shù)據(jù)，并從中提取模型參數(shù)上的點(diǎn)云數(shù)據(jù)；7迭代步驟6N次；由于擬合帶有隨機(jī)性，設(shè)置異常值點(diǎn)云的比率e，所述的異常值點(diǎn)云為非模型參數(shù)上的點(diǎn)云數(shù)據(jù)；當(dāng)比率e設(shè)置不正確的情況時(shí)，即使在最大迭代次數(shù)N之內(nèi)，也沒(méi)有提取到準(zhǔn)確的地面點(diǎn)云，則無(wú)需執(zhí)行N次迭代，則設(shè)定一個(gè)期望正常值比率E：E＝1-e當(dāng)比率e設(shè)置正確，提取的模型參數(shù)上的點(diǎn)云數(shù)據(jù)比上保存下來(lái)點(diǎn)云數(shù)據(jù)總數(shù)大于E時(shí)，就終止迭代；最后，利用微調(diào)后提取的點(diǎn)云數(shù)據(jù)擬合出準(zhǔn)確的地面模型參數(shù)；所述步驟S3擬合出地面模型的參數(shù)中，步驟4中合適迭代次數(shù)T的推導(dǎo)為： 其中，e：點(diǎn)云數(shù)據(jù)中異常點(diǎn)的比率；s：每次迭代選取點(diǎn)的數(shù)量；T：RANSAC最大迭代次數(shù)；P：至少一次選取到正常點(diǎn)的概率；步驟S4，計(jì)算地面模型參數(shù)：根據(jù)在每個(gè)網(wǎng)格點(diǎn)云中提取出的模型參數(shù)上的點(diǎn)云數(shù)據(jù)，計(jì)算得出地面模型參數(shù) 其中，為墻面法向量，a、b、c分別為對(duì)應(yīng)網(wǎng)格點(diǎn)云中的X軸，Y軸，Z軸中的點(diǎn)，A為提取的點(diǎn)云組成的矩陣，A＝[P1...PS]T，且SN，為地面模型常數(shù)項(xiàng)系數(shù)，步驟S5，獲取圖像及圖像預(yù)處理：1通過(guò)攝像頭對(duì)圖像進(jìn)行采集，且對(duì)圖像通過(guò)GoogleNet模型建立網(wǎng)格結(jié)構(gòu)，對(duì)網(wǎng)格結(jié)構(gòu)進(jìn)行劃分，得到小的網(wǎng)格，小的網(wǎng)格的尺寸按照步驟S2點(diǎn)云分割的三維網(wǎng)格尺寸設(shè)定相同的長(zhǎng)、寬、高；2卷積神經(jīng)網(wǎng)絡(luò)的輸入為步驟1劃分了網(wǎng)格結(jié)構(gòu)后的攝像頭采集的圖像，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)判斷每個(gè)小的網(wǎng)格的中心點(diǎn)是否落在目標(biāo)上，以此將非目標(biāo)網(wǎng)格刪除，保留存在目標(biāo)的網(wǎng)格，通過(guò)保留的網(wǎng)格預(yù)測(cè)目標(biāo)參數(shù)，預(yù)測(cè)的目標(biāo)參數(shù)包括目標(biāo)的類(lèi)別和目標(biāo)框的位置；3將步驟2得到的目標(biāo)圖像軟寸歸一化；其次，卷積神經(jīng)網(wǎng)絡(luò)特征提取；預(yù)測(cè)邊界框置信度；最后，通過(guò)非極大值抑制算法過(guò)濾邊界框，得到最優(yōu)圖片中地面模型結(jié)構(gòu)；步驟S6，基于YOLO的檢測(cè)網(wǎng)絡(luò)對(duì)物體進(jìn)行檢測(cè)識(shí)別：通過(guò)將步驟S4中的地面模型參數(shù)與步驟S5中得到的地面模型結(jié)構(gòu)相融合，將對(duì)應(yīng)的地面模型參數(shù)與地面模型結(jié)構(gòu)相匹配，輸出融合后的目標(biāo)特征圖，并且輸出目標(biāo)檢測(cè)結(jié)果；步驟S7，地面模型判斷：通過(guò)將步驟S6中輸出的目標(biāo)檢測(cè)結(jié)果與數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，檢測(cè)出前方路況情況，及目標(biāo)障礙物是否為車(chē)輛和車(chē)輛的種類(lèi)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人常州大學(xué)，其通訊地址為：213164 江蘇省常州市武進(jìn)區(qū)湖塘鎮(zhèn)滆湖中路21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(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。