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！

龙图腾网获悉东南大学申请的专利基于视觉/毫米波雷达信息融合的无人机多目标跟踪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：CN115731268B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211458596.0，技术领域涉及：G06T7/277；该发明授权基于视觉/毫米波雷达信息融合的无人机多目标跟踪方法是由王立辉;唐兴邦;陈飞鹏;李勇;任元设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本基于视觉/毫米波雷达信息融合的无人机多目标跟踪方法在说明书摘要公布了：基于视觉毫米波雷达信息融合的无人机多目标跟踪方法，1、读取毫米波雷达当前时刻的点云信息，计算每类点云的质心信息代表该类点云对应物体的信息；2、读取单目视觉RGB图像，使用深度学习目标检测算法生成目标检测框，通过单目深度估计方法计算目标的深度信息；3、对毫米波雷达和单目视觉进行传感器联合标定；4、对完成时空同步的毫米波雷达和视觉检测数据进行一一匹配；5、根据数据匹配结果，将毫米波雷达和视觉数据融合，并针对融合数据设计了一个卡尔曼滤波器；6、基于全局最近邻匹配算法和前述卡尔曼滤波器，设计了一个多目标跟踪器，得到在线的多目标跟踪结果。本申请能够提高无人机的环境感知能力，进而提高无人机的智能化程度。

本发明授权基于视觉/毫米波雷达信息融合的无人机多目标跟踪方法在权利要求书中公布了：1.基于视觉毫米波雷达信息融合的无人机多目标跟踪方法，具体步骤如下，其特征在于： 1读取毫米波雷达当前时刻的点云信息，其中第i个点云信息记为pi＝[x,y,z,vx,vy,vz]，式中x,y,z表示目标在空间各坐标轴方向的位置分量，vx,vy,vz表示目标在空间各坐标轴方向的速度分量，在获取雷达点云信息后，先使用欧式聚类算法滤除离群噪点，再使用每类点云的质心代表该类点云所对应的物体，质心计算的表达式为： 2读取单目视觉采集的RGB图像，使用训练好的YOLOv5n目标检测模型实现感兴趣目标的在线检测与提取，通过目标检测算法得到感兴趣目标的检测框信息为： bbox＝[u,v,wb,hb] 式中，u,v为检测框中心点的像素坐标，wb,hb为检测框的宽和高； 结合感兴趣目标的宽度或高度尺寸信息，利用图像检测框信息和相机投影模型，提出单目深度估计的计算表达式如下： 式中，d为目标估计深度，f为相机焦距，w,h为目标实际尺寸，u,v为目标在像素坐标系中的尺寸； 3对毫米波雷达和单目视觉进行联合标定，实现异源传感器数据的时空对准； 4对完成时空同步的毫米波雷达和视觉检测数据进行一一匹配，筛选出感兴趣目标的多源传感器信息，采用全局最近邻匹配GNN算法实现数据匹配，两传感器数据之间的距离计算准则选取马氏距离，计算表达式为： 式中，eij表示两传感器测量的残差向量，S为对应的协方差，为了衡量数据匹配的风险代价，设置一门限值G来表示两传感器数据之间的最大匹配距离，门限值约束下的数据匹配的风险代价计算公式为： 其中，cij为某一数据对匹配的风险代价，Dmax为一远大于dij和G的常数，当把雷达的各个量测元素分配给视觉的各个量测元素的总风险最小时，得到的分配结果为所需的全局最近邻数据匹配结果，实现该过程的优化目标为： 5针对匹配成功的雷达数据和视觉数据，将两传感器数据进行融合，选取视觉检测框中心点，使用与之匹配的雷达深度信息对其在载体坐标系中的投影进行修正，计算公式为： 使用雷达测量值的速度信息，对修正视觉测量值投影进行补充，得到每个目标中心点的传感器融合测量值为Zk＝[xb,yb,vxb,vyb]，对于融合测量值，设计了一个卡尔曼滤波器来提高检测鲁棒性，滤波器的预测部分为： 式中，状态转移矩阵Fk,k-1取值为表示匀速运动模型；系统协方差矩阵的初始值P0取单位阵，系统过程噪声矩阵Qk表示匀速运动模型的扰动量，滤波器的数据更新部分为： 式中，Zk是当前测量值，Hk是观测矩阵，在此处取值为单位阵，Rk是观测噪声协方差矩阵； 6设计一个基于全局最近邻匹配GNN算法和前述卡尔曼滤波器的串级在线多目标跟踪器，输出准确的在线多目标跟踪结果。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。