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路侧多模态融合感知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：CN121170509B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511696014.6，技术领域涉及：G06V10/80；该发明授权一种路侧多模态融合感知方法是由刘华峰;姚亚洲;孙泽人设计研发完成，并于2025-11-19向国家知识产权局提交的专利申请。

本一种路侧多模态融合感知方法在说明书摘要公布了：本发明公开了一种路侧多模态融合感知方法。本发明通过深度估计网络生成带有深度信息的初始3D视锥体张量，并结合相机内外参矩阵将像素点的特征投影到坐标系，其次，根据投影后的特征位置信息生成三维空间点坐标集合，采用高斯函数分配邻域网格的权重，并对邻域内的特征进行归一化加权聚合，从而减小位置近似误差，获得校准后的图像特征，最后，将图像特征与特征输入到融合单元中，对两类特征分别进行不确定性建模，自动生成融合权重，并在融合过程中根据自监督损失函数进行动态优化，确保了多模态特征融合的稳定性，检测精确高，性能较好，能避免由于外参偏差和深度误差而带来的全局特征错位问题的发生。

本发明授权一种路侧多模态融合感知方法在权利要求书中公布了：1.一种路侧多模态融合感知方法，其特征在于：包括以下步骤： 步骤1、给定一个图像，通过图像编码器对其进行处理，得到初始3D视锥体张量和射线张量； 步骤2、基于初始3D视锥体张量和射线张量，根据相机内外参标定矩阵，将像素点的特征坐标转换到坐标系，校准后输出三维空间点坐标集合； 步骤3、基于三维空间点坐标集合，得到图像特征和特征，具体为： 其中，图像特征的获取步骤如下： 3.1、将多尺度融合图像特征作为深度估计网络的输入，并对结果进行softmax归一化，得到每个特征对应的深度概率分布Dp，具体公式如下： ； 其中，深度估计网络包括一个二维卷积层、批归一化层和激活函数ReLU；为二维卷积层；为批归一化层；为激活函数；为归一化函数，表示沿D维度对输出进行归一化； 3.2、基于LSS范式，构建坐标系到坐标系的映射关系，将三维空间点坐标集合映射到坐标系中，得到二维空间点坐标集合； ； 其中，、为栅格分辨率；、、、为取值边界；为取整符号，表示量化到像素栅格索引；表示图像特征所对应的点在坐标系中具体位置； 3.3、在二维空间点坐标集合中选出一点，以其为中心生成一个邻域坐标网格，计算点与当前点坐标之间的距离，具体公式如下： ； 其中，邻域坐标网格为，且为2x2；为二维空间点坐标集合中的任意一点；为邻域坐标网格中的任意一点，且；为点在坐标系中的横坐标；为点在坐标系中的纵坐标；为点在坐标系中的横坐标；为点在坐标系中的纵坐标； 3.4、在邻域坐标网格中，选择距离点最近的个领域点，具体公式如下： ； 其中，为取最小值函数； 3.5、采用高斯函数对和进行建模，为远处目标的领域点分配相对较高的权重，具体公式如下： ； ； 其中，为高斯分布的方差；为可学习的参数因子； 3.6、采用权重函数对点和距离其最近的个领域点所对应的多尺度融合图像特征进行归一化加权聚合，得到聚合图像特征，具体公式如下： ； 其中，将记作，用于表示各个领域点对应的权重，； 3.7、引入多头聚合机制，对点和距离其最近的个领域点在三维空间中对应的点坐标进行归一化加权聚合，得到聚合图像特征在三维空间中所对应的点坐标，具体公式如下： ； 其中，当且仅当时，为点在三维空间中所对应的坐标； 3.8、基于聚合图像特征和点坐标，得到经池化后的图像特征，具体公式如下： ； 其中，为池化操作； 步骤4、对特征和图像特征分别进行不确定性建模生成各自的不确定性权重，利用自监督损失函数进行动态调整，使得多模态特征动态对齐。

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：210018 江苏省南京市玄武区孝陵卫街道孝陵卫街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。