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！

龙图腾网获悉北京工业大学申请的专利一种跨模态特征融合方法及系统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：CN119832379B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202510096700.3，技术领域涉及：G06V10/80；该发明授权一种跨模态特征融合方法及系统是由张菁;米广铭;钱文静;李嘉锋设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本一种跨模态特征融合方法及系统在说明书摘要公布了：本发明涉及自动驾驶技术和机器人技术领域，公开了一种跨模态特征融合方法及系统。方法包括：获取车载相机和激光雷达分别采集的原始图像和原始点云数据；基于原始图像进行维度拉升处理以得到第一特征点云，并基于第一特征点云进行压缩映射处理，得到相机模态二维特征；获取原始点云数据对应的第二特征点云，并基于第二特征点云得到激光雷达模态二维特征；根据第一特征点云和第二特征点云生成第三特征点云，并基于第三特征点云进行压缩映射处理，得到混合模态二维特征；基于相机模态二维特征、激光雷达模态二维特征和混合模态二维特征，生成跨模态融合特征。通过本发明的方案，有利于为智能驾驶提供更精确、可靠的环境感知能力。

本发明授权一种跨模态特征融合方法及系统在权利要求书中公布了：1.一种跨模态特征融合方法，其特征在于，包括： 获取车载相机和激光雷达分别采集的原始图像和原始点云数据； 基于所述原始图像进行维度拉升处理以得到第一特征点云，并基于所述第一特征点云进行压缩映射处理，得到相机模态二维特征； 获取所述原始点云数据对应的第二特征点云，并基于所述第二特征点云得到激光雷达模态二维特征； 根据所述第一特征点云和所述第二特征点云生成第三特征点云，并基于所述第三特征点云进行压缩映射处理，得到混合模态二维特征； 基于所述相机模态二维特征、所述激光雷达模态二维特征和所述混合模态二维特征，生成跨模态融合特征； 生成跨模态融合特征的步骤，包括： 拼接所述相机模态二维特征、所述激光雷达模态二维特征和所述混合模态二维特征，生成初始拼接特征； 基于所述初始拼接特征中所有特征通道各自对应的第一通道权重，优化所述初始拼接特征，得到目标拼接特征； 将所述目标拼接特征输入至预设跨模态融合网络，得到输出结果并将其作为所述跨模态融合特征； 得到输出结果的步骤，包括： 获取所述目标拼接特征中模态类型为相机模态的第一特征，将所述第一特征作为查询特征参数并输入至所述预设跨模态融合网络； 获取所述目标拼接特征中模态类型为激光雷达模态的第二特征，将所述第二特征作为关键特征参数和值特征参数输入至所述预设跨模态融合网络； 根据所述查询特征参数和所述关键特征参数，得到注意力权重； 基于所述注意力权重和所述值特征参数，确定初始融合特征； 获取所述目标拼接特征中模态类型为混合模态特征的第三特征，基于所述初始融合特征和所述第三特征，确定所述输出结果； 确定所述输出结果的步骤，包括： 基于预设评价函数对所述初始融合特征进行评价，得到第一评价结果，基于预设评价函数对所述第三特征进行评价，得到第二评价结果； 基于所述第一评价结果和所述第二评价结果，确定目标权重系数； 基于所述目标权重系数对所述初始融合特征和所述第三特征进行加权求和处理，得到所述输出结果； 得到第一评价结果的步骤，包括： 基于预设激励函数，生成所述初始融合特征中每个特征通道对应的第二通道权重，基于所有所述第二通道权重优化所述初始融合特征； 基于预设评价函数对优化后的所述初始融合特征进行评价，得到初始评价结果； 判断所述初始评价结果是否满足第一预设状态； 响应于所述初始评价结果不满足第一预设状态，调整学习参数以优化所述预设激励函数，并返回所述基于预设激励函数，生成所述初始融合特征中每个特征通道对应的第二通道权重，基于所有所述第二通道权重优化所述初始融合特征的步骤； 响应于所述初始评价结果满足第一预设状态，将所述初始评价结果作为所述第一评价结果。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。