| 申请/专利权人：云南云金地科技有限公司;昆明理工大学 | 申请日：2024-03-07 |
| 发明/设计人：周豹;王彦东;寸待传;赵科;陈发新;潘鑫先;陈祥;王浩力 | 公开（公告）日：2024-04-09 |
| 代理机构：安徽思尔六知识产权代理事务所(普通合伙) | 公开（公告）号：CN117849760A |
| 代理人：闫啸 | 主分类号：G01S7/48 |
| 地址：650101 云南省昆明市新区海源北路与科新路交叉口海源高新天地商业广场1幢12楼 | 分类号：G01S7/48;G06V10/762;G06N3/0464;G06N3/048;G06N3/08;G06V10/44;G06V10/82 |
| 专利状态码：在审-公开 | 优先权： |
| 法律状态：2024.04.09#公开 |
| 摘要：本发明公开了一种激光雷达点云数据处理方法，具体涉及激光雷达技术领域，用于解决复杂环境下激光雷达点云特征繁杂结构众多，难以进行准确滤波的问题，包括采集需求范围内的激光雷达点云，获取点云密度信息、检测目标范围信息和检测目标价值信息数据；本发明基于对激光雷达点云中各个雷达点进行点采样，以分割聚类区域结合随机点采样的方法，约束随机点采样带来的不稳定性，在此过程中对聚类区域的大小进行评估，以保证采集的雷达点可以保留尽可能多的特征，采样合格后，还需构建卷积网络模型，通过深度学习方法提取特征，再通过特征加权，总结出部分通用的局部特征，赋予点特征权重，实现对激光雷达点云的数据处理，方便后续的滤波处理。 |
| 主权项：1.一种激光雷达点云数据处理方法，其特征在于，包括如下步骤：/n步骤S1，采集需求范围内的激光雷达点云，获取点云密度信息、检测目标范围信息和检测目标价值信息数据；/n步骤S2，以范围内的雷达点云作为样本，划分聚类区域进行点采样，在点采样的过程中对所采用的聚类区域大小值进行评估；/n步骤S3，以点采样后的雷达点构建卷积网络模型，通过深度学习提取雷达点的特征；/n步骤S4，对神经网络模型中的点云数据通过注意力函数进行特征加权，总结出部分通用的局部特征。/n |
