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！

龙图腾网恭喜北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院);北京踏歌智行科技有限公司申请的专利一种融合点云语义类别和距离的聚类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：CN114648654B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210289114.7，技术领域涉及：G06V10/762；该发明授权一种融合点云语义类别和距离的聚类方法是由余贵珍;李华志;周彬;王章宇;刘润森设计研发完成，并于2022-03-22向国家知识产权局提交的专利申请。

本一种融合点云语义类别和距离的聚类方法在说明书摘要公布了：本发明涉及自动驾驶车辆感知技术领域，提供了一种融合点云语义类别和距离的聚类方法。该方法包括：基于语义分割算法对激光雷达点云数据进行分割，输出带有语义类别标签的每个点；将语义分割后的点云分割为地面点云和非地面点云；基于非地面点云，计算与种子点对应栅格数n，根据8邻域搜索实现非地面点分段参数聚类，依次将栅格内未被聚类的点执行8邻域分段参数聚类；将候选类别点数量和该类别对应的点数量阈值比较，判断出8邻域中n个栅格范围内是否有聚类做相应处理，对类别相同或不同的聚类类别相应处理。本发明提高了分割速度同时减少欠分割和过分割，滤除错误语义分割点，使得聚类类别清晰化，解决大小尺寸不同的障碍物聚类合并参数选取。

本发明授权一种融合点云语义类别和距离的聚类方法在权利要求书中公布了：1.一种融合点云语义类别和距离的聚类方法，其特征在于，包括：S1基于语义分割算法对激光雷达点云数据进行分割，输出带有语义类别标签的每个点；S2将语义分割后的点云分割为地面点云和非地面点云；S3基于所述非地面点云，投影到栅格地图中，根据种子点距离坐标原点距离r和栅格分辨率GMres,计算与种子点对应栅格数n，根据8邻域搜索实现非地面点分段参数聚类，依次将栅格内未被聚类的所述非地面点执行8邻域分段参数聚类；S4统计每个聚类的中各语义类别点数量，所述语义类别点数量最多的类别为候选类别，将所述候选类别点数量和该类别对应的点数量阈值相比较，若所述候选类别点数量超过该类别对应的点数量阈值，则所述候选类别为当前所在的聚类类别，否则，所述候选类别为不确定类别；S5基于所述S4所获得的每个聚类类别，根据各聚类类别设定对应的聚类距离合并参数，并计算所述距离合并参数对应的栅格数m，遍历每个聚类中，判断8邻域中m个栅格范围内，是否有类别相同的聚类类别或所述不确定类别的聚类，若有，则将两个类别合并，合并后的类别为对应确定的类别，否则，不合并；所述S3，包括：S31将所述非地面点云投影至栅格地图GM中，每个所述栅格内存储在所述栅格范围内的点云序号id和栅格所属聚类序号N，令所有栅格初始聚类序号N都为0，将无序点云有序化；S32从左至右，从上至下遍历所述栅格地图GM，以存在所述非地面点云的所述栅格初始聚类序号为初始值0的所述栅格为种子点Pseed，将所述种子点Pseed所在栅格标记为第N类；其中，将所述种子点Pseed距离原点距离r设置聚类距离参数Dthr，根据所述聚类距离参数Dthr和栅格地图GM分辨率GMres，计算出所述种子点对应的栅格个数n，以所述种子点Pseed为中心点，8邻域方向分别搜索相邻n个所述栅格，如果相邻所述栅格内有所述非地面点云，并且所述栅格初始聚类序号为初始值0，则将所述栅格标记为与种子点Pseed为相同聚类序号，否则所述栅格初始聚类序号保持不变；S33将所述8邻域内聚类序号由0变为N的非地面点依次为新的种子点Pseed，依次执行S32，直到所有该类种子点Pseed所述8邻域内无所述栅格初始聚类序号为初始值0为止；S34令N＝N+1，并依次执行S32、S33，直到所有含有非地面点的栅格聚类序号均不为0，完成所述栅格地图GM分段聚类。

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北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院);北京踏歌智行科技有限公司，其通讯地址为：230012 安徽省合肥市新站高新区文忠路999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”。