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！

龙图腾网获悉华侨大学申请的专利一种适用于工程机械非结构化场景的多源感知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：CN120635469B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511135018.7，技术领域涉及：G06V10/26；该发明授权一种适用于工程机械非结构化场景的多源感知方法是由姚兆源;林芳芳;林添良;姚瑜;缪骋;陈俊屹;任好玲;吴瑕;陈其怀;付胜杰设计研发完成，并于2025-08-14向国家知识产权局提交的专利申请。

本一种适用于工程机械非结构化场景的多源感知方法在说明书摘要公布了：本发明提供了一种适用于工程机械非结构化场景的多源感知方法，涉及工程机械环境感知技术领域，先对LiDAR点云数据进行预处理，生成与RGB图像对齐的2D透视图，为后续的特征提取提供基础。图像分支利用改进的深度学习网络进行语义分割，而点云分支则通过优化的网络结构提取空间深度特征。两者通过FFAM模块进行特征互补，显著增强了对复杂场景的理解能力。进一步地，引入细化模块，采用先进的3D稀疏卷积技术，对反投影后的点云特征进行优化处理，有效解决了目标边界分割模糊的问题。

本发明授权一种适用于工程机械非结构化场景的多源感知方法在权利要求书中公布了：1.一种适用于工程机械非结构化场景的多源感知方法，其特征在于，包括： 获取原始LiDAR点云数据和RGB图像，并通过透视投影模块对所述原始LiDAR点云数据进行预处理，构建与RGB图像几何对齐的2D点云透视图，具体为： 获取原始LiDAR点云数据和RGB相机采集到的RGB图像，并对所述原始LiDAR点云数据进行过滤，只保留前视点云数据，其中，所述原始LiDAR点云数据为三维点云数据，原始LiDAR点云数据的每个点，其分别由笛卡尔坐标和反射率值r组成，为实数集，为点云的个数，为图像的高度，为图像的宽度，为第i个点云，为第i个点云的x轴坐标，为第i个点云的y轴坐标，为第i个点云的z轴坐标，为第i个点云的反射率值； 根据预设的多传感器间的外参矩阵，将过滤后的原始LiDAR点云数据投影至二维图像坐标系中，得到投影图像，为投影点云的通道数，其中，提取原始LiDAR点云数据中每个点的空间坐标信息，将提取后的特征在第4列拼接为内容全为1的向量，扩展到4个通道，并将结合后的特征进行转置获得，其每个点云为； 得到相机坐标系下的投影点云，将第i个投影点云的图像坐标离散为像素坐标，得到关于点云在投影图像中的对应像素坐标，，，其中，为相机的内参矩阵，为LiDAR坐标系转换到相机坐标系的旋转矩阵； 通过透视投影将前视点云与前视RGB图像对齐，得到2D点云透视图作为点云分支的输入数据，其中，2D透视图中的每个像素存储了5通道信息，点云投影到的像素位置存储了LiDAR特征，表示每个点的距离值，其余没有投影到的像素位置则存储值为0； 其中，投影时保留了点云的深度、空间坐标和反射强度的5通道几何特征，并建立了点云数据与图像空间的对应关系； 采用图像分支模块对所述RGB图像进行特征提取与语义分割处理，生成与所述RGB图像具有相同空间分辨率的语义分割预测图； 基于所述图像分支提取的图像特征图，使用点云分支网络对所述2D点云透视图进行空间深度特征提取处理和跨模态融合处理，得到2D点云特征图，具体为： 所述点云分支网络的模型架构基于改进的SalsaNext网络设计而成，采用非对称的编码器-解码器框架； 将所述2D点云透视图作为所述点云分支网络的输入，进行空间深度特征的提取； 通过点云透视投影，并引入特征融合注意力模块对点云与图像特征进行融合，生成到2D点云特征图； 其中，所述点云分支网络的点云编码器包含3个上下文编码模块、5个残差块、4个桥接式特征融合模块和1个空洞空间金字塔池化，所述点云分支网络的点云解码器包含4个上采样块； 采用细化模块对所述2D点云特征图进行优化，得到细化后的非结构化场景的多源感知结果。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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”。

以上内容由龙图腾AI智能生成。