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)獲悉西南大學(xué)申請(qǐng)的專(zhuān)利針對(duì)自動(dòng)駕駛場(chǎng)景的雷達(dá)點(diǎn)云采樣以及語(yǔ)義分割模型系統(tǒng)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：CN115512111B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-08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：202211179388.7，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)針對(duì)自動(dòng)駕駛場(chǎng)景的雷達(dá)點(diǎn)云采樣以及語(yǔ)義分割模型系統(tǒng)是由韓先鋒;程輝先;鐘琪設(shè)計(jì)研發(fā)完成，并于2022-09-27向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本針對(duì)自動(dòng)駕駛場(chǎng)景的雷達(dá)點(diǎn)云采樣以及語(yǔ)義分割模型系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及自動(dòng)駕駛場(chǎng)景感知技術(shù)領(lǐng)域，尤其涉及針對(duì)自動(dòng)駕駛場(chǎng)景的雷達(dá)點(diǎn)云采樣以及語(yǔ)義分割模型系統(tǒng)。系統(tǒng)包括：網(wǎng)絡(luò)輸入變換模塊；雙分支自編碼器網(wǎng)絡(luò)模型；語(yǔ)義預(yù)測(cè)模塊。上分支自編碼器結(jié)構(gòu)中的編碼層由局部特征聚合模塊和隨機(jī)采樣操作組成，下分支的編碼層由局部特征聚合模塊、極柱均衡隨機(jī)采樣模塊以及隨機(jī)采樣操作組成；上下兩個(gè)分支解碼器均包括四個(gè)解碼層，解碼層由多層感知機(jī)和上采樣操作組成。本發(fā)明提出的極柱均衡隨機(jī)采樣模塊，有助于語(yǔ)義分割模型能夠充分學(xué)習(xí)不同距離的點(diǎn)特征，解決點(diǎn)分布的長(zhǎng)尾問(wèn)題；提出的一致性損失函數(shù)，可以減少模型在采用不同采樣方法時(shí)的不一致性；提出模型，能夠高效執(zhí)行復(fù)雜的室外場(chǎng)景解析任務(wù)。

本發(fā)明授權(quán)針對(duì)自動(dòng)駕駛場(chǎng)景的雷達(dá)點(diǎn)云采樣以及語(yǔ)義分割模型系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種針對(duì)自動(dòng)駕駛場(chǎng)景的雷達(dá)點(diǎn)云采樣以及語(yǔ)義分割系統(tǒng)，其特征在于，所述系統(tǒng)包括： 網(wǎng)絡(luò)輸入變換模塊，網(wǎng)絡(luò)的輸入是點(diǎn)云數(shù)據(jù)，維度為N×dim,N表示輸入點(diǎn)云的總點(diǎn)數(shù)，dim指每個(gè)點(diǎn)的特征維度，輸入點(diǎn)云經(jīng)過(guò)一個(gè)全連接層變換之后，生成大小為N×8的特征表示； 雙分支自編碼器網(wǎng)絡(luò)模型，包括編碼器和解碼器； 編碼器包含四個(gè)編碼層，用于逐步降低點(diǎn)云的尺寸并增加每個(gè)點(diǎn)特征的維度；上分支編碼器的四個(gè)編碼層由局部特征聚合模塊和隨機(jī)采樣操作組成；下分支編碼器中第一個(gè)編碼層由局部特征聚合模塊和極柱均衡隨機(jī)采樣模塊組成，后續(xù)三個(gè)編碼層則局部特征聚合模塊和隨機(jī)采樣操作組成；上下分支的解碼器具有相同的結(jié)構(gòu)，且均包括四個(gè)解碼層，每個(gè)解碼層包含一個(gè)多層感知機(jī)和一個(gè)上采樣操作； 語(yǔ)義預(yù)測(cè)模塊，包括三個(gè)全連接層和一個(gè)丟棄層，為每個(gè)點(diǎn)預(yù)測(cè)一個(gè)語(yǔ)義標(biāo)簽； 所述極柱均衡隨機(jī)采樣模塊的建立方法如下： 首先將三維點(diǎn)云所在的笛卡爾坐標(biāo)系轉(zhuǎn)換成極坐標(biāo)系： 將點(diǎn)坐標(biāo)x,y,z轉(zhuǎn)換成ρ,θ,z,其中ρ表示半徑，即距離x-y平面原點(diǎn)的距離，θ表示從x軸到y(tǒng)軸的角度，z代表高度； 基于構(gòu)建的極坐標(biāo)系，將輸入的三維點(diǎn)云劃分為不同的圓柱塊，數(shù)目記為K，且距離越遠(yuǎn)劃分的圓柱塊就越大，最終得到的三維極柱表征的分辨率為R×P×Z，R、P、Z分別表示半徑、方位角、高度； 其次，基于目標(biāo)采樣的點(diǎn)數(shù)M和劃分的圓柱塊數(shù)目K，計(jì)算每一個(gè)圓柱塊中的將要下采樣獲得的點(diǎn)數(shù)，將它們構(gòu)建成一個(gè)維度為K×1的列表Sn；且在下采樣的過(guò)程中，盡量均衡每一個(gè)圓柱塊中的點(diǎn)數(shù)，使它們盡量保持一致； 最后，在每一個(gè)圓柱塊中執(zhí)行采樣操作：置亂每一個(gè)塊中的點(diǎn)，選擇前面的Sn[i],其中i表示第i個(gè)圓柱塊，構(gòu)成一個(gè)子點(diǎn)云；將所有得到的子點(diǎn)云結(jié)合在一起，再執(zhí)行一次置亂操作獲得最終的采樣點(diǎn)云。

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)人西南大學(xué)，其通訊地址為：400700 重慶市北碚區(qū)天生路2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)”。