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！

龙图腾网获悉江苏大学;汉得利(常州)电子股份有限公司申请的专利一种基于改进CenterNet的自动驾驶场景的多目标视觉检测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：CN114581866B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202210077170.4，技术领域涉及：G06V20/56；该发明授权一种基于改进CenterNet的自动驾驶场景的多目标视觉检测方法是由王海;徐岩松;蔡英凤;吴逸飞;陈龙;李祎承;刘擎超设计研发完成，并于2022-01-24向国家知识产权局提交的专利申请。

本一种基于改进CenterNet的自动驾驶场景的多目标视觉检测方法在说明书摘要公布了：本发明涉及智能汽车驾驶技术领域，尤其是一种基于改进CenterNet的自动驾驶场景的多目标视觉检测方法，包括：将车载相机捕获的自动驾驶汽车周围的图片进行特征提取，获得不同尺度的特征图，对生成的特征图进行采样处理，生成由不同尺度的特征图组成的特征金字塔，不同的特征图作为检测头模块的输入，对不同的特征图进行卷积操作，生成最终的预测结果。本发明的一种基于改进CenterNet的自动驾驶场景的多目标视觉检测方法，通过使用特征提取模块生成的不同尺度的特征图组成的特征金字塔结构，提高了驾驶环境下无人驾驶汽车对小目标的检测精度；提高了无人驾驶汽车检测的鲁棒性；满足无人驾驶检测的实时性要求。

本发明授权一种基于改进CenterNet的自动驾驶场景的多目标视觉检测方法在权利要求书中公布了：1.一种基于改进CenterNet的自动驾驶场景的多目标视觉检测方法，其特征在于，包括以下步骤： S1，将车载相机捕获的自动驾驶汽车周围的图片进行特征提取，获得不同尺度的特征图； S2，对步骤S1生成的特征图进行采样处理，生成由不同尺度的特征图组成的特征金字塔； S3，提取步骤S2中不同的特征图作为检测头模块的输入，对不同的特征图进行卷积操作，生成最终的预测结果； S1具体包括： 特征提取网络由5个特征提取阶段组成，每个特征提取阶段由若干个特征提取块组成，每个特征提取块由3×3卷积、1×1的卷积、ReLu激活函数、恒等映射分支和批量归一化层组成；5个特征提取阶段的特征提取块的数量分别为1，4，6，16，1； 在训练阶段，除了每个特征提取阶段的第1个特征提取块由1个3×3卷积、1个1×1卷积、ReLu激活函数、恒等映射分支和批量归一化层组成之外，其余的特征提取块均由1个3×3卷积，1个1×1卷积、恒等映射分支和批量归一化层组成； 在推理阶段，每个特征提取块通过结构重参数化技术转变为一个3×3卷积，将图片送入特征提取网络，最终生成尺寸为[64，256，256]的特征图C1，尺寸为[128，128，128]的特征图C2，尺寸为[256，64，64]的特征图C3，尺寸为[512，32，32]的特征图C4，尺寸为[2048，16，16]的特征图C5； S2具体包括： 将步骤S1生成的特征图C5进行上采样操作，再使用可变形卷积操作将通道数从2048设为512，最终生成尺寸为[512，16，16]的特征图P5，将特征图C4和特征图P5进行逐元素相加，再将相加后的特征图再进行上采样操作和使用可变形卷积；以此类推，组成特征金子塔，其中，特征金字塔的最后一层输出和倒数第二层输出将作为步骤S3的输入； S3具体包括： 使用最后一层特征图来回归物体的热图，预测中心点和实际中心点之间的偏移量以及初步预测的物体的尺寸框，将特征金字塔的倒数第1层的特征图A1进行卷积操作，卷积核为1×1，步距为1，padding为1； 将生成的特征图分别进行不同的卷积操作，分别生成一个尺寸为[H，W，num_classes],两个尺寸为[H，W，2]的特征图；2个尺寸为[H，W，2]的特征图分别回归预测中心点和实际中心点之间的偏移量以及初步预测的物体的boundingbox； 用特征金字塔的倒数第二层特征图进行三次卷积用于生成高语义的特征图，尺寸为[H，W，5C]，然后将生成的尺寸为[H，W，5C]的特征图和粗略的物体尺寸框回归参数一并送入平均边界提取模块用来生成准确的物体的尺寸框信息，其中平均边界提取模块是物体的尺寸框回归模块，其直接利用边界特征加强中心点特征。

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江苏大学;汉得利(常州)电子股份有限公司，其通讯地址为：212000 江苏省镇江市京口区学府路301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”。