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！

龙图腾网恭喜浙江大学申请的专利一种基于解耦动态卷积核的雷达全景分割方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：CN116704504B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202310496335.6，技术领域涉及：G06V20/70；该发明授权一种基于解耦动态卷积核的雷达全景分割方法是由刘勇;杨煜;梅剑标设计研发完成，并于2023-05-05向国家知识产权局提交的专利申请。

本一种基于解耦动态卷积核的雷达全景分割方法在说明书摘要公布了：本发明涉及3D视觉技术领域，提出了一种基于解耦动态卷积核的雷达全景分割方法，主要包括构建点云特征提取器、构建动态卷积核生成模块、构建动态卷积核解码模块、模型训练和模型推断五个阶段的步骤实现，本发明提出一种新型的PanopticDKNet网络模型，以在具有解耦动态卷积核的统一工作流中实现雷达点云全景分割，PanopticDKNet将实例目标和背景类别的动态核进行解耦，以促进各自的学习过程，同时对分类和分割实现解耦策略，以避免不同类别之间的相互竞争。本发明所设计的算法在SemanticKITTI基准数据集上表现出较好的全景分割性能，且对环境中紧邻的小目标点云、分散的大目标点云具有很好的分割鲁棒性。

本发明授权一种基于解耦动态卷积核的雷达全景分割方法在权利要求书中公布了：1.一种基于解耦动态卷积核的雷达全景分割方法，其特征在于，包括以下步骤：S1、构建点云特征提取器，基于体素化表示和3D稀疏卷积提取输入点云的体素特征和点级特征嵌入；S2、构建动态卷积核生成模块，基于鸟瞰热力图，根据BEV视角下预测的实例和背景类点云位置，生成动态卷积核初始权重；S3、构建动态卷积核解码模块，利用实例动态核预测实例目标的3D边界框，采用kNN-Transformer为动态核加权融合点云特征，最后采取动态核与点云特征卷积的方式预测掩码，输出场景点云全景分割结果；S4、利用服务器，通过降低网络损失函数优化网络参数，直至网络收敛，获得基于解耦动态卷积核的雷达全景分割方法；S5、利用所述基于解耦动态卷积核的雷达全景分割方法对新的点云进行全景分割预测；所述步骤S4具体包括以下步骤：S41、采集训练数据集中的点云数据，利用服务器执行步骤S1中的点云特征提取过程，输出体素特征和点级特征嵌入；将体素特征输入步骤S2中的BEV鸟瞰热力图预测模块，生成实例中心点热力图Mth、背景区域图Mst，对于两个热力图采用FocalLoss进行监督，具体可表示为：Lpos＝FLMth,YthNth+FLMst,YstNstS42、利用服务器执行步骤S3中的动态卷积核解码模块，利用实例动态核预测实例目标的3D边界框，对预测的边界框和IoU进行监督，具体可表示为：Ldet＝Lbox+λIoU·LIoU其中Lbox为边界框回归的L1损失，LIoU为边界框IoU的SmoothL1损失；S43、利用服务器执行步骤S3中的kNN-Transformer为动态核加权融合点云特征，最后采取动态核与点云特征卷积的方式预测掩码，输出场景点云全景分割结果，对分割结果进行监督，具体可表示为： S44、利用服务器进行网络训练，损失函数Ltotal为步骤S41、步骤S42和步骤S43中的损失的加权和：Ltotal＝Lpos+Ldet+LmaskS45、利用服务器优化目标函数，获取局部最优网络参数；步骤S43中的所述分割结果的损失具体计算方式为：在掩码解码器训练阶段，使用匈牙利匹配算法来匹配预测的实例框和真实标签，使用FocalLossLfl和DiceLossLdl来监督实例对象的分割掩码，使用交叉熵损失Lce以及Lovaszsoftmax损失Lls监督背景类别分割掩码。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866号；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”。