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！

龙图腾网获悉南京理工大学申请的专利一种基于仿真点云数据集的线阵激光成像目标识别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：CN117649614B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202311111486.1，技术领域涉及：G06V20/17；该发明授权一种基于仿真点云数据集的线阵激光成像目标识别方法是由查冰婷;王成君;郑震;刘浩东;李豪杰;张合设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种基于仿真点云数据集的线阵激光成像目标识别方法在说明书摘要公布了：本发明公开了一种基于仿真点云数据集的线阵激光成像目标识别方法，通过建立虚拟扫描系统与仿真场景的交互模型，创建虚拟扫描系统运动轨迹，采用光线追踪算法生成扫描点坐标数据，进一步建立虚拟扫描系统参数噪声模型，合成含噪点云数据；同时通过建立模型名称—标签索引表的方法，对仿真点云数据中的每个点进行准确标注，最终合成数据丰富、标注准确的仿真点云数据集。最后将仿真点云数据集作为深度学习目标识别算法的训练数据，完成算法的离线训练与在线识别，实现激光成像点云目标精确识别。

本发明授权一种基于仿真点云数据集的线阵激光成像目标识别方法在权利要求书中公布了：1.一种基于仿真点云数据集的线阵激光成像目标识别方法，其特征在于，包括以下步骤： 步骤1、根据无人飞行器的典型工作环境及其目标识别需求搭建仿真场景： 通过三维建模软件制作仿真场景的三维地形和三维目标模型，仿真场景的三维地形和三维目标模型应与真实环境的典型工作地形和真实目标一致，根据目标识别需求在仿真场景中添加障碍物； 步骤2、根据需要标注的标签对仿真场景建立模型名称—标签对应关系索引表，对仿真场景的地形、目标模型、障碍物进行命名，命名格式为“名称+序号”，同一类目标名称部分一致，对应同一个标签，序号表示该类目标数量； 步骤3、以目标模型几何中心为原点Ot，目标模型运动方向为OtXt轴，建立右手三维直角坐标系OtXtYtZt，规定初始时刻的坐标系OtXtYtZt为地面坐标系，记作OwXwYwZw； 步骤4、对仿真场景进行Delaunay三角形剖分，得到一系列三角面元，将三角面元存储到八叉树结构中，八叉树的每个节点表示一个正方体的体素，每个节点含8个子节点，8个子节点的体积元素之和等于父节点的体积，仿真场景中每个三角面元对应一个叶子节点； 步骤5、在仿真场景中添加虚拟扫描系统，根据无人飞行器上激光雷达的参数设置虚拟扫描系统的参数，包括视场角θfov、角度分辨率θs和探测距离范围[tmin,tmax]，为实现无人飞行器与真实目标动态交会过程的仿真点云生成，创建时间轴，设置虚拟扫描系统的运动速度v、扫描频率f和运动方向，计算每次虚拟扫描系统发射扫描光线的位置，在该位置处创建关键帧，设置时间起点为t0＝0，则第i次虚拟扫描系统发射扫描光线的时刻为ti＝vif；为实现任意飞行轨迹的仿真点云生成，建立虚拟扫描系统的轨迹方程，解算虚拟扫描系统在探测阶段每个发射扫描光线时刻对应地面坐标系OwXwYwZw中的空间坐标xi,yi,zi，同时计算该位置处虚拟扫描系统运动速度方向vxi,vyi,vzi，导入空间坐标xi,yi,zi和对应位置运动速度方向构建运动轨迹； 步骤6、针对步骤5中创建的每个关键帧，以关键帧自身对应的虚拟扫描系统的空间坐标xi,yi,zi为原点Os，OsXs轴沿运动速度方向，OsYs轴垂直于轨迹平面，建立虚拟扫描系统坐标系OsXsYsZs； 步骤7、在每个关键帧处根据虚拟扫描系统的参数建立与仿真场景交互模型，对于视场角为θfov，角度分辨率为θs的虚拟扫描系统，其对应的发射扫描光线的数量n＝θfovθs，将仿真点生成建模为扫描光线与仿真场景三角面元求交问题，得到扫描光线与仿真场景的交点坐标； 步骤8、通过向仿真点云数据中添加高斯白噪声来提高点云的真实度，即在理想距离值上添加距离误差生成包含高斯白噪声的仿真点云数据； 步骤9、根据仿真场景的模型名称—标签对应关系索引表对扫描光线与三角面元交点进行自动标注，若扫描光线有返回交点，搜索该点对应三角面元对应的模型名称，赋予该点模型名称对应的标签，完成每个交点的准确标注； 步骤10、在虚拟扫描系统坐标系OsXsYsZs下生成以Os为出射点向视场范围内发射的多条扫描光线，获得对应关键帧仿真场景的一条轮廓线，坐标变换将轮廓线点坐标变换至地面坐标系OwXwYwZw下； 步骤11、将所有关键帧对应轮廓线拼接获得仿真场景点云数据； 步骤12、重复步骤5～步骤11，针对不同扫描视场角、不同角分辨率的虚拟扫描系统，创建不同的运动轨迹，在不同飞行速度、偏航角、俯仰角、滚转角进行仿真，共生成不同交会情况下N帧仿真点云数据，构成仿真点云数据集； 步骤13、将仿真点云数据集按照6:2:2划分为训练集、验证集、测试集，将数据集输入RandLA-Net模型，完成RandLA-Net模型的预训练； 步骤14、将待识别的点云数据输入训练好的RandLA-Net模型，输出待识别点云数据中每个点的类别预测结果，实现目标识别算法的离线训练与在线识别。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。

以上内容由龙图腾AI智能生成。