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！

龙图腾网获悉合肥工业大学申请的专利基于Transformer的多传感器融合目标检测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：CN115713656B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202211459301.1，技术领域涉及：G06V10/764；该发明授权基于Transformer的多传感器融合目标检测方法是由张炳力;杨程磊;姜俊昭;潘泽昊;王欣雨;王怿昕;王焱辉设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本基于Transformer的多传感器融合目标检测方法在说明书摘要公布了：本发明公开了一种基于Transformer的多传感器融合目标检测方法，包括首先获取摄像头、激光雷达、毫米波雷达三传感器的原始数据，将获得的数据作为三种不同的模态输入到基于Transformer的多传感器融合网络中，其次用激光雷达源模态的特征反复强化摄像头目标模态，输出潜在适应后的新模态，然后再利用毫米波雷达源模态的特征反复强化所述的新模态特征，输出最终的融合结果，得到补充修正后的道路目标检测框。本发明能够避免车辆在行驶过程中，由于单一传感器的错检或者误检所带来的危害，从而保证为决策规划部分提供更为准确、丰富的道路目标信息。

本发明授权基于Transformer的多传感器融合目标检测方法在权利要求书中公布了：1.一种基于Transformer网络的多传感器融合目标检测方法，其特征在于，包括如下步骤： A、由摄像头获取原始图像数据并输入预训练后的目标检测神经网络YOLOv4中进行处理，并输出道路目标的图像识别结果，其中，任意一个道路目标的图像识别结果所组成的图像特征序列记为NC，包括：道路目标的类别信息classcam和2D检测框数据bboxcam_2D以及置信度scorecam，所述2D检测框数据bboxcam_2D包括：2D检测框的中心坐标xC_2D,yC_2D，2D检测框的长wC_2D和宽hC_2D； B、由激光雷达采集点云数据并输入预训练后的点云目标检测网络Pointpillars中进行处理，并输出道路目标的点云识别结果，其中，任意一个道路目标的点云识别结果所组成的点云特征序列记为NL，包括：道路目标的类别信息classlidar、2D检测框数据bboxlidar_2D、3D检测框数据bboxlidar_3D以及置信度scorelidar；所述2D检测框数据bboxlidar_2D包括2D检测框的中心坐标2D检测框的长和宽所述3D检测框数据bboxlidar_3D包括：3D检测框的中心坐标3D检测框的长宽和高 C、利用毫米波雷达采集原始2D点云数据并进行聚类处理，得到道路目标的聚类结果，任意一个道路目标的聚类结果所组成的2D点云特征序列记为NR，包括：道路目标的类别信息classradar、2D检测框数据bboxradar_2D、道路目标速度信息velocityradar以及置信度scoreradar；所述2D检测框数据bboxradar_2D包括：2D检测框的中心坐标xR_2D,yR_2D，2D检测框的长wR_2D和宽hR_2D； D、将图像特征序列NC、点云特征序列NL、2D点云特征序列NR在特征维度上填充到统一尺寸，从而相应得到填充后的第一种模态C、第二种模态L、第三种模态R； E、利用一种基于Transformer的多模态感知融合网络对所述第一种模态C、第二种模态L、第三种模态R进行处理： E1、采用Transformer编码器对所述第一种模态C和第二种模态L进行关联和映射，从而将第二种模态L的低阶特征去潜在适应第一种模态C的特征数据，并输出融合模态C*； E2、采用Transformer编码器对所述融合模态C*和第三种模态R进行关联和映射，从而将第三种模态R的低阶特征去潜在适应融合模态C*的特征数据，并输出最终融合模态C**； E3、将所述最终融合模态C**中置信度小于σ的数据进行过滤，再采用非极大值抑制算法对过滤后的数据去除重复数据，最终输出多模态感知融合网络的预测检测框。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。