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！

龙图腾网获悉电子科技大学申请的专利一种智能装备视觉导航中的目标感知与规避决策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：CN120685119B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511197833.6，技术领域涉及：G01C21/34；该发明授权一种智能装备视觉导航中的目标感知与规避决策方法是由孙宗正;牛新建;赵连敏;韩瑾;刘建卫;刘迎辉设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本一种智能装备视觉导航中的目标感知与规避决策方法在说明书摘要公布了：本发明提出一种智能装备视觉导航中的目标感知与规避决策方法，属于智能决策技术领域。所述方法包括以下步骤：构建时空图神经网络，引入语义标签编码定义时空图神经网络的节点和边，进而通过回归网络预测各障碍物的轨迹；定义环境语义标签，将环境语义标签与预测的障碍物轨迹进行耦合，生成语义增强的风险场；基于语义增强的风险场构建语义路网图，生成全局路径点序列，并以当前全局路径点为临时目标，调用动态步长RRT*算法避开障碍物。该方法能够更准确地评估不同区域的风险，并根据障碍物的类别和位置调整风险值，提升了在复杂环境中的安全性和可靠性，降低了因环境变化引发的决策误差。

本发明授权一种智能装备视觉导航中的目标感知与规避决策方法在权利要求书中公布了：1.一种智能装备视觉导航中的目标感知与规避决策方法，其特征在于，包括以下步骤： 步骤S1：利用计算视觉传感器获取障碍物的图像特征图，利用雷达实时采集障碍物的3D点云，基于可变形卷积核在BEV空间对图像特征图进行特征对齐，并引入传输延迟量进行优化，将对齐后的图像特征图与雷达特征图进行融合生成融合特征图； 步骤S2：构建时空图神经网络，将融合特征图作为时空图神经网络的输入，引入语义标签编码定义时空图神经网络的节点和边，进而通过回归网络预测各障碍物的轨迹； 步骤S3：定义环境语义标签，将环境语义标签与预测的障碍物的轨迹进行耦合，生成语义增强的风险场； 步骤S4：基于语义增强的风险场构建语义路网图，生成全局路径点序列，并以当前全局路径点为临时目标，调用动态步长RRT*算法避开障碍物； 所述步骤S1中，基于可变形卷积核在BEV空间对图像特征图进行特征对齐的具体步骤如下： 步骤S11：将障碍物在水平面上划分为二维网格，将3D点云投影到二维网格中，生成雷达特征图，将图像特征图投影到BEV空间，生成图像BEV特征图； 步骤S12：将雷达特征图和图像BEV特征图进行拼接作为卷积网络的输入，基于卷积网络预测每个位置处的可变形卷积核的偏移量； 步骤S13：使用预测的偏移量对图像BEV特征图进行可变形卷积操作，得到对齐后的图像BEV特征图，表示如下： 式中，为图像BEV特征图上的空间位置；为在位置处经过可变形卷积对齐后的图像BEV特征图；；为标准卷积核的采样点位置；为在偏移位置处提取的图像BEV特征图；为卷积核的权重； 所述步骤S3中，生成语义增强的风险场的具体步骤如下： 步骤S31：获取环境语义标签对应的环境语义风险场，不同类别的环境语义标签对应不同的风险值； 步骤S32：对于每个障碍物，根据其预测的轨迹计算障碍物风险场，障碍物风险场由该障碍物的所有预测轨迹产生的风险叠加而成； 步骤S33：根据环境语义标签生成空间相关的调制函数，用于调整障碍物风险场的影响，调制函数能够根据位置的语义类别对障碍物风险场进行修正； 步骤S34：将环境语义风险场和修正后的障碍物风险场进行叠加，生成语义增强的风险场。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。