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申请的专利一种基于多源信息感知和端到端深度学习的自动泊车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：CN116052116B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310006308.6，技术领域涉及：G06V20/58；该发明授权一种基于多源信息感知和端到端深度学习的自动泊车方法是由江浩斌;马振棚;马世典设计研发完成，并于2023-01-04向国家知识产权局提交的专利申请。

本一种基于多源信息感知和端到端深度学习的自动泊车方法在说明书摘要公布了：本发明属于自动泊车技术领域，公开了一种基于多源信息感知和端到端深度学习的自动泊车方法；实时对泊车过程中的四路鱼眼图像数据、超声波雷达数据、方向盘转角与车速数据进行采样，构建初始数据集；预处理初始数据集中的四路鱼眼图像数据为环视图像信息数据，构建训练样本；搭建并优化CNN‑LSTM神经网络，CNN用于环视图像信息数据的处理，LSTM用于超声波障碍物距离信息数据和当前驾驶员驾驶信息数据的处理；输入训练样本到CNN‑LSTM神经网络进行训练，得到训练好的端到端自动泊车模型；利用自动泊车模型进行实车控制，实现端到端自动泊车。本发明解决了现有自动泊车方法的规划精度低与响应速度慢等问题。

本发明授权一种基于多源信息感知和端到端深度学习的自动泊车方法在权利要求书中公布了：1.一种基于多源信息感知和端到端深度学习的自动泊车方法，其特征在于，包括如下步骤： 1以采样频率f对泊车过程进行采样，构建初始数据集D；所述初始数据集记为D={d1,d2……di……}，di为第i次的采样数据，记为di={Pfi,Pbi,Pli,Pri,lefti,righti,backi,ri,vi}，其中Pfi、Pbi、Pli、Pri分别是由安装在汽车前引擎盖、车尾和左、右后视镜下的四路鱼眼相机采集的图像，lefti、righti、backi分别是由安装在汽车左侧、右侧和后侧的超声波雷达测得的汽车与障碍物之间的距离；ri为当前采样时的方向盘转角,vi为当前采样时的汽车轮速； 2通过初始数据集D，构建训练样本D’； 所述步骤2包括如下步骤： 2.1通过张正友标定法对四个车载鱼眼相机进行标定，获得四个车载鱼眼相机的标定参数，包括内参数与外参数； 2.2利用内参数和外参数对鱼眼图像Pf、Pb、Pl、Pr进行畸变矫正，得到矫正变换图Pf’、Pb’、Pl’、Pr’； 2.3将矫正变换图Pf’、Pb’、Pl’、Pr’变为俯视图Pf’’、Pb’’、Pl’’、Pr’’； 2.4对俯视图Pf’’、Pb’’、Pl’’、Pr’’进行剪切和拼接，得到环视拼接图PO； 2.5对环视拼接图PO进行下采样处理，输出尺寸固定的的图像PT； 2.6对图像PT进行归一化处理，得到训练图像P； 2.7构建训练样本D’，记为D’={d1’,d2’……di’……}，di’包含环视图像帧序列数据、超声波障碍物距离信息数据和当前驾驶员驾驶信息数据，记为di’={Pi,lefti,righti,backi,ri,vi}，训练标签记为Label={lefti,righti,backi,ri,vi}； 3搭建并优化CNN-LSTM神经网络； 所述步骤3包括如下步骤： 3.1搭建CNN-LSTM神经网络，所述神经网络包括CNN、LSTM、特征融合层，其中，CNN部分由5个卷积层、5个池化层和1个全连接层组成；LSTM部分由2层全连接层，1层池化层，20个LSTM单元组成；特征融合层部分由1层融合层，2层全连接层组成； 3.2利用Adam优化器优化神经网络； 4训练神经网络，获得自动泊车驾驶模型； 5利用自动泊车模型进行实车控制实现自动泊车。

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，其通讯地址为：212013 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”。

以上内容由龙图腾AI智能生成。