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！

龙图腾网获悉安徽工程大学申请的专利基于多模态融合的三维目标检测方法及系统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：CN115937819B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202211487209.6，技术领域涉及：G06V20/58；该发明授权基于多模态融合的三维目标检测方法及系统是由时培成;刘志强;齐恒;李屹;张荣芸;杨礼;杨爱喜;王远志;马永富;武新世;潘佳伟设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本基于多模态融合的三维目标检测方法及系统在说明书摘要公布了：本发明公开了基于多模态融合的三维目标检测方法及系统，其中方法包括下列步骤：S1、获取相机采集的图像数据；S2、获取激光雷达采集的原始的点云数据，并对点云进行降噪预处理；S3、将图像和点云的数据分别输入到训练后的相应网络中，获得对应的图像特征和点云特征；S4、将二维图像的图像特征映射到三维的点云空间坐标系；S5、将所述点云特征与映射后的图像特征进行级联，将其输入到自适应表现力增强融合模块，进行重新校准，得到加权后的融合特征；S6、将加权后的融合特征输入到检测输出网络，对目标进行边界框的生成，进而完成三维目标检测。本发明有效的抑制了不重要的特征表现，可以提升后续检测输出模块的3D目标检测的精度。

本发明授权基于多模态融合的三维目标检测方法及系统在权利要求书中公布了：1.基于多模态融合的三维目标检测方法，其特征在于：包括下列步骤： S1、获取相机采集的图像数据； S2、获取激光雷达采集的原始的点云数据，并对点云进行降噪预处理； S3、将图像和点云的数据分别输入到训练后的相应网络中，获得各自数据中目标的深度语义特征信息，即对应的图像特征和点云特征； S4、将二维图像的图像特征映射到三维的点云空间坐标系； S5、将所述点云特征与映射后的图像特征进行级联，将级联后的图像和点云特征输入到自适应表现力增强融合模块，对融合特征进行重新校准，将权重与原始对应通道相乘得到加权后的融合特征； S6、将加权后的融合特征输入到检测输出网络，对目标进行边界框的生成，进而完成三维目标检测； 步骤S4具体包括：首先，给定点云鸟瞰图上的目标像素点，并且提取K个距离目标像素点最近的激光雷达点云；然后将激光雷达点云投影到相机前视图得到对应的相邻像素点；检索与目标像素点相应的图像特征点；从各个相邻像素点到相机前视图上与图像特征点做差得到连续几何偏移；最后，将相邻像素点对应的输入图像特征和连续几何偏移输入BP神经网络以生成对应的映射到三维的点云空间坐标系的特征； 对于每个目标像素点，BP神经网络通过对其所有相邻像素点的BP神经网络输出求和来输出其图像特征点映射到三维的点云空间坐标系的图像特征，公式如下， 其中，是对应激光雷达点云的输入图像特征，是从相邻像素点到目标在相机前视图上投影产生的几何偏移量，是多个向量的串联； 步骤S5中，借助注意力机制构建自适应表现力增强融合模块，采用自适应表现力增强融合模块来增强不同特征的表现力，重点关注重要特征，同时抑制非重要特征，具体包括：首先给定一个输入的图像和点云的级联特征，特征层的大小为，通过最大池化操作后，将空间大小变为1×1；然后，第一个全连接层是用于将通道数减少到，是用于减少通道数从而减少计算量的缩放因子；接着使用ReLU激活函数，特征的维数保持不变；第二个全连接层是用于增加维数，通道数变回；Sigmoid函数用于输出每个通道的权重；最后，对点云和图像的级联特征进行特征重新校准，将权重与原始对应通道相乘，得到加权后的点云和图像的融合特征。

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安徽工程大学，其通讯地址为：241000 安徽省芜湖市鸠江区北京中路安徽工程大学；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”。