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！

龙图腾网恭喜南京邮电大学申请的专利一种复杂天气下障碍物检测方法及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：CN115376108B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202211098795.5，技术领域涉及：G06V20/58；该发明授权一种复杂天气下障碍物检测方法及装置是由张登银;辛文红;金小飞设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本一种复杂天气下障碍物检测方法及装置在说明书摘要公布了：本发明公开了一种复杂天气下障碍物检测方法及装置，包括：获取复杂天气环境下图像；利用带色彩恢复的多尺度视网膜增强算法MSRCR对图像进行增强预处理；将预处理后的图像输入训练好的基于改进YOLOv3网络的障碍物检测模型；根据所述基于改进YOLOv3网络的障碍物检测模型的输出，确定复杂天气下障碍物检测结果；其中所述障碍物检测模型的构建方法包括：在YOLOv3的卷积块ConvolutionalSet中插入了SPP模块；使用ELU激活函数替换原YOLOv3网络中卷积层的Leaky‑ReLU激活函数；获取不同天气条件下障碍物检测的数据集；使用K‑Means++算法对数据集中真实框重新聚类，得到合适的锚框；通过处理后的数据集对障碍物检测模型进行训练，得到训练好的基于改进YOLOv3网络的障碍物检测模型。

本发明授权一种复杂天气下障碍物检测方法及装置在权利要求书中公布了：1.一种复杂天气下障碍物检测方法，其特征在于，包括： 获取复杂天气环境下图像； 利用带色彩恢复的多尺度视网膜增强算法MSRCR对所述图像进行增强预处理，得到预处理后的图像； 将预处理后的图像输入训练好的基于改进YOLOv3网络的障碍物检测模型； 根据所述基于改进YOLOv3网络的障碍物检测模型的输出，确定复杂天气下障碍物检测结果； 其中所述基于改进YOLOv3网络的障碍物检测模型的构建方法包括： 在YOLOv3的卷积块ConvolutionalSet中插入了SPP模块，实现不同尺度特征的融合，提取更多细节信息进而提高检测精度；使用ELU激活函数替换原YOLOv3网络中卷积层的Leaky-ReLU激活函数，增加对噪声的鲁棒性； 获取不同天气条件下障碍物检测的数据集，提升训练模型的鲁棒性； 使用K-Means++算法对数据集中真实框重新聚类，得到合适的锚框，加快样本训练收敛速度并提高定位精度； 通过处理后的数据集对障碍物检测模型进行训练，得到训练好的基于改进YOLOv3网络的障碍物检测模型； 其中，利用带色彩恢复的多尺度视网膜增强算法MSRCR对所述图像进行增强预处理，包括： 利用几个不同的高斯尺度参数的加权和，将高斯滤波结果作为估计的光照图像，并加入颜色恢复因子来恢复反射图像的颜色，避免产生颜色退化，计算公式如下： 其中FMSRCRx,y为MSRCR算法处理后的增强结果，x、y分别表示图像像素的横坐标、纵坐标，i表示颜色分量的序号，j表示尺度参数的序号，Ci为第i个颜色分量的颜色恢复因子，N是尺度参数的数量，ωj为不同尺度对应的权重，Iix,y表示输入图像的第i个颜色分量，Gjx,y表示尺度为σj时的高斯滤波器，σj表示第j个高斯环绕的尺度参数，为卷积符号，α是非线性强度调节参数，β是增益因子。

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邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。