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！

龙图腾网恭喜中国空间技术研究院申请的专利天体表面障碍物识别方法和装置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：CN112528808B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202011404160.4，技术领域涉及：G06V20/00；该发明授权天体表面障碍物识别方法和装置是由李海超;邱林伟;李志;黄龙飞设计研发完成，并于2020-12-02向国家知识产权局提交的专利申请。

本天体表面障碍物识别方法和装置在说明书摘要公布了：本发明涉及深空探测技术领域，提供一种天体表面障碍物识别方法和装置，包括：对深空探测巡视器获得的原始图像集进行障碍物标注，得到标注样本集；将标注样本集中的每张图像均进行特征融合，得到融合后的标注样本集；构建卷积神经网络，将融合后的标注样本集输入卷积神经网络，得到损失函数最小的训练模型；将深空探测巡视器获得的待识别图像进行特征融合，并将融合后的待识别图像输入到训练模型中，得到障碍物的分割识别结果。本发明克服了地外天体巡视器训练数据量不足的问题，实现了通过单幅图像就能够探测地外天体的障碍物，准确度高。

本发明授权天体表面障碍物识别方法和装置在权利要求书中公布了：1.一种天体表面障碍物识别方法，其特征在于，包括：对深空探测巡视器获得的原始图像集进行障碍物标注，得到标注样本集；将所述标注样本集中的每张图像均进行特征融合，得到融合后的所述标注样本集；构建卷积神经网络，将融合后的所述标注样本集输入所述卷积神经网络，得到损失函数最小的训练模型；将深空探测巡视器获得的待识别图像进行特征融合，并将融合后的所述待识别图像输入到所述训练模型中，得到障碍物的分割识别结果；所述构建卷积神经网络，将融合后的所述标注样本集输入所述卷积神经网络，得到损失函数最小的训练模型，包括：基于DeepLabv3+网络构建骨干网络，并将融合后的所述标注样本集中的每张融合图像输入到所述骨干网络，得到与融合图像对应的第一层特征和第二层特征；其中，所述骨干网络为深度残差网络或轻量化网络；空洞空间金字塔池化对每个所述第一层特征依次进行卷积和池化，得到与每个所述第一层特征对应的第一特征图；通过残差上采样转换方法，对每张所述第一特征图进行上采样，得到对应的第二特征图，并将每张所述第二特征图与对应的所述第二层特征进行拼接，得到拼接后的特征图；将所述拼接后的特征图进行上采样，得到训练样本的分割结果，根据所述分割结果确定损失函数最小的训练模型。

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中国空间技术研究院，其通讯地址为：100094 北京市海淀区友谊路104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”。