[发明专利]基于点云带权通道特征的三维目标检测方法及系统有效
| 申请号： | 201910059002.0 | 申请日： | 2019-01-22 |
| 公开（公告）号： | CN109784333B | 公开（公告）日： | 2021-09-28 |
| 发明（设计）人： | 赵鑫;黄凯奇;刘哲 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/62;G06N3/04 |
| 代理公司： | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人： | 郭文浩;王贵良 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于点云带权通道特征的三维目标检测方法及系统，所述检测方法包括：通过预训练的深度卷积神经网络对二维图像中的目标进行提取，得到多个目标物；基于各目标物，在对应的三维点云空间中确定点云视锥；基于点云的分割网络，对视锥中的点云进行分割，获得感兴趣的点云；基于带权通道特征的网络，对感兴趣的点云进行3D Box的参数估计，得到3D Box的参数，进行三维目标检测。本发明通过深度卷积神经网络能够更准确的学习到图像的特征；基于带权通道特征的网络，对感兴趣的点云进行3D Box的参数估计，可降低不重要点的特征降的权重，增加关键点的权重，从而可抑制干扰点，并增强关键点，从而可提高3D Box参数的精度。 | ||
| 搜索关键词： | 基于 点云带权 通道 特征 三维 目标 检测 方法 系统 | ||
【主权项】：
1.一种基于点云带权通道特征的三维目标检测方法，其特征在于，所述检测方法包括：通过预训练的深度卷积神经网络对二维图像中的目标进行提取，得到多个目标物；基于各目标物，在对应的三维点云空间中确定点云视锥；基于点云的分割网络，对视锥中的点云进行分割，获得感兴趣的点云；基于带权通道特征的网络，对感兴趣的点云进行3D Box的参数估计，得到3D Box的参数，进行三维目标检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所，未经中国科学院自动化研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910059002.0/，转载请声明来源钻瓜专利网。
