申请/专利权人：南京理工大学

申请日：2023-12-15

公开（公告）日：2024-03-19

公开（公告）号：CN117727024A

主分类号：G06V20/64

分类号：G06V20/64;G06V10/762;G06V10/77;G06V10/80;G06V10/46

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种基于场景流估计的无监督连续点云动态物体检测方法，通过改进一种无监督的场景流预测算法，估计点云中所有点在初始帧与待测帧之间的位移，并结合拟合平面的点云聚类和主成分分析方法，获取帧间动态物体实例及其运动方向，最后根据物体的动态占比和边界框交并比，判断当前帧的点云动态物体。本发明采用无监督的方式不需要动态物体标注数据进行训练，并且对于激光雷达传感器的扫描方式、点云数量没有限制，可以有效提高点云动态物体检测的准确率，在嵌入语义分割模块后能进一步提升检测精度。

主权项：1.一种基于场景流估计的无监督连续点云动态物体检测方法，其特征在于，包括以下步骤：获取连续的点云序列数据，进行点云对齐；根据对齐的点云序列进行场景流预测，获得所有点的帧间位移；对于点云中的每个点使用拟合平面的聚类算法进行聚类；根据点云聚类结果采用主成分分析方法，对每个类别所有点的场景流进行SVD分解，获得物体的运动方向；对于每个点云聚类计算边界框，获得前一帧与当前帧点云聚类的边界框交并比；根据场景流、点云聚类、主成分分析和边界框交并比的结果，进行点云动态物体检测。

全文数据：

权利要求：

百度查询： 南京理工大学 基于场景流估计的无监督连续点云动态物体检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD