申请/专利权人：福州大学

申请日：2023-12-22

公开（公告）日：2024-03-22

公开（公告）号：CN117746371A

主分类号：G06V20/56

分类号：G06V20/56;G01S17/88;G06V20/64;G06V10/44;G06V10/82;G06N3/0455;G06N3/0464;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及一种面向实时场景补全的占据网络。使用自动选帧算法选择最优的未来2帧激光雷达点云，并将第3帧（当前帧）和过去的相邻2帧激光雷达点云对齐到第3帧激光雷达点云的坐标系下；通过体素化分别将5帧激光雷达点云和第3帧激光雷达点云转换为3D占据网格，作为教师网络和学生网络的输入；输入经过教师网络和学生网络，得到通过3D编码器和多尺度空洞卷积解码器后的占据网格特征；通过NST（NeutronSelectivityTransfer）知识蒸馏损失函数，计算两个占据网格特征之间的相关性，强迫学生网络学习教师网络的特性；通过全连接共享占据网格中每个体素之间的特征，并将占据网格进行上采样，得到最精细的占据网格。本发明有效的提升了对小物体、大物体目标的补全性能。

主权项：1.一种面向实时场景补全的占据网络，其特征在于，包括如下步骤：步骤S1、使用自动选帧算法选择最优的未来2帧激光雷达点云，并将第3帧即当前帧和过去的相邻2帧激光雷达点云对齐到第3帧激光雷达点云的坐标系下；步骤S2、通过体素化分别将5帧激光雷达点云和第3帧激光雷达点云转换为3D占据网格，作为教师网络和学生网络的输入；步骤S3、输入经过教师网络和学生网络，得到通过3D编码器和多尺度空洞卷积解码器后的占据网格特征；步骤S4、通过NST知识蒸馏损失函数，计算步骤S3两个占据网格特征之间的相关性，强迫学生网络学习教师网络的特性；步骤S5、通过全连接共享占据网格中每个体素之间的特征，并将占据网格进行上采样，得到最精细的占据网格。

全文数据：

权利要求：

百度查询： 福州大学 一种面向实时场景补全的占据网络

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