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！

龙图腾网恭喜无锡车联天下信息技术有限公司申请的专利一种基于深度学习的车载监控动态线性雷达墙可视化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：CN119169207B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202411672637.5，技术领域涉及：G06T17/00；该发明授权一种基于深度学习的车载监控动态线性雷达墙可视化方法是由梁腾;毛小明;许勤军;马龙雨设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种基于深度学习的车载监控动态线性雷达墙可视化方法在说明书摘要公布了：本申请提供的一种基于深度学习的车载监控动态线性雷达墙可视化方法，构建的智能车载监控网络，基于Resnet模型构建智能车载监控网络的主干网，并且在主干网中引入了MAAM模块和注意力机制；通过MAAM模块可以准确获取到输入图像的特征、减少计算量并且防止过拟合，提高智能车载监控网络的识别准确率；通过在主干网Resnet的浅层卷积中引入了通道注意力机制，在深层卷积中引入了空间注意力机制，确保智能车载监控网能更关注于输入图像中的轮廓特征信息和位置特征信息，使智能车载监控网更适用于车载监控镜头采集的图像中的触发物的识别。

本发明授权一种基于深度学习的车载监控动态线性雷达墙可视化方法在权利要求书中公布了：1.一种基于深度学习的车载监控动态线性雷达墙可视化方法，其特征在于，其包括以下步骤：S1：基于线性雷达墙显示方法构建3D效果的动态线性雷达墙；S2：基于深度学习网络模型构建智能车载监控网络；所述智能车载监控网络中，包括基于Resnet模型构建的主干网，并且在主干网中引入了MAAM模块和注意力机制；所述智能车载监控网络包括依次连接的：输入层、MAAM模块、第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、全局平均池化层、全连接层和输出层；每个卷积模块包括4个连续的卷积层；每个卷积模块中引入2个残差块；所述第一卷积模块中，在浅层卷积中引入了通道注意力机制，在深层卷积中引入了空间注意力机制；所述MAAM模块包括：最大池化操作Maxpool和平均池化操作avgpool，其表达公式为： ；其中，α和β为两个超参系数；S3：基于车身前后的镜头采集多组业务场景图像；所述业务场景图像包括不同触发物触发雷达墙的图像；S4：对所述业务场景图像进行预处理得到训练数据集；基于训练数据集对所述智能车载监控网络进行训练，得到训练后的所述智能车载监控网络；S5：在真实场景中采集多组标定图像，对训练后的所述智能车载监控网络进行可视化检测；循环步骤S3~S5，直至得到训好的所述智能车载监控网络；S6：使用训练好的所述智能车载监控网络设置在智能车载监控系统中，基于所述动态线性雷达墙实现对障碍物的可视化监测；所述动态线性雷达墙以雷达墙圆弧线为底线，立体显示3D雷达墙渐变效果，具体显示方法为：构建自适应配置模块，所述自适应配置模块基于雷达墙圆弧线，通过透视投影矩阵P，结合现实雷达墙的虚拟相机位置，以及配合虚拟相机俯仰角度变化来动态显示3D雷达墙；所述虚拟相机的视角为模拟驾驶员视角观察雷达墙的视角；透视投影矩阵P为： ；其中，l、b、n为虚拟相机所见物体的近平面左下角的XYZ点坐标，r、t、f为虚拟相机所见物体的远平面右上角的XYZ点坐标；γ为所述智能车载监控网络判断触发雷达墙物体后，自适应配置的值，γ∈[0,1]。

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无锡车联天下信息技术有限公司，其通讯地址为：214000 江苏省无锡市滨湖区华运路8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”。