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！

龙图腾网获悉艾尔默斯半导体欧洲股份公司申请的专利用于识别在检测区域中是否存在障碍物对象的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：CN113826027B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202080035116.2，技术领域涉及：G01S15/931；该发明授权用于识别在检测区域中是否存在障碍物对象的方法是由丹尼斯·克里斯;詹妮弗·杜丁设计研发完成，并于2020-03-12向国家知识产权局提交的专利申请。

本用于识别在检测区域中是否存在障碍物对象的方法在说明书摘要公布了：本发明涉及用于运行超声传感器的方法、所属的传感器、向控制该超声传感器的计算机系统的数据传输和在该计算机系统中的所属的解压缩方法。该压缩方法包括如下步骤：检测超声转换器的超声接收信号；提供无信号的超声回波信号模型610；至少一次性地可选地多次重复地执行如下步骤：从超声接收信号1减去经重建的超声回波信号模型610并且形成残余信号660，执行用于识别残余信号660中的信号对象的方法；给超声回波信号模型610补充所识别出的信号对象600至605的经参数化的信号波形；以及如果残余信号的数值低于预先给定的阈值信号的数值，则结束对这些步骤的重复。然后，将所识别出的信号对象中的至少一部分以用于这些所识别出的信号对象的符号为形式传输给计算机系统并且在那里使用所识别出的信号对象的至少一部分。优选地，这些信号对象在计算机系统中被重建成经重建的超声回波信号模型。

本发明授权用于识别在检测区域中是否存在障碍物对象的方法在权利要求书中公布了：1.一种用于依据由多个对检测区域进行检测的传感器提供的传感器信号来识别在所述检测区域中是否存在障碍物对象的方法，其中在所述方法中 A针对每个传感器，借助于特征提取从所述传感器的传感器信号提取信号波形特性，并且根据所述特征来形成表示所述传感器信号的特征向量信号EF1,EF2,EF3,...,EFm， B将所述特征向量信号EF1,EF2,EF3,...,EFm作为输入信号输送给人工神经总障碍物对象识别网络ANN0，所述人工神经总障碍物对象识别网络依据所述特征向量信号EF1,EF2,EF3,...,EFm的特征来识别至少一个障碍物对象并且将每个障碍物对象的描述所述障碍物对象的信息存储在单独的障碍物对象存储器EO1,EO2,...,EOp中， C将每个障碍物对象存储器EO1,EO2,...,EOp的信息作为输入数据输入在被分配给所述障碍物对象存储器的人工神经单个障碍物对象识别网络RNN1,RNN2,...,RNNp， D每个神经单个障碍物对象识别网络RNN1,RNN2,...,RNNp都输出表示相关的障碍物对象存储器EO1,EO2,...,EOp的障碍物对象的障碍物对象特征向量信号RO1,RO2,...,ROp和数目与传感器的数目相同的中间特征向量信号ROij，其中i＝1,2,...,p，其中p等于障碍物对象的数目，而且其中j＝1,2,...,m，其中m等于传感器的数目，所述中间特征向量信号中的每个中间特征向量信号都分配有唯一的传感器S1,S2,S3,...,Sm， E针对每个传感器S1,S2,S3,...,Sm，将由神经单个障碍物对象识别网络RNN1,RNN2,...,RNNp输出的中间特征向量信号ROij，其中i＝1,2,...,p，其中p等于障碍物对象的数目，而且其中j＝1,2,...,m，其中m等于传感器的数目相加，以形成修正的特征向量信号EV1,EV2,EV3,...,EVm， F针对每个传感器S1,S2,S3,...,Sm，形成残余特征向量信号EC1,EC2,EC3,...,ECm，其方式是从所述特征向量信号EF1,EF2,EF3,...,EFm减去修正的特征向量信号EV1,EV2,EV3,...,EVm， G只要所述残余特征向量信号EC1,EC2,EC3,...,ECm大于阈值信号，就在使用相应被更新的残余特征向量信号EC1,EC2,EC3,...,ECm的情况下重复步骤B至F，以及 H否则由神经子网络RNN1,RNN2,...,RNNp输出的障碍物对象特征向量信号RO1,RO2,...,ROp分别表示障碍物对象并且依据障碍物对象特征向量信号RO1,RO2,...,ROp来确定潜在的、处在检测区域内的障碍物对象。

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艾尔默斯半导体欧洲股份公司，其通讯地址为：德国多特蒙德；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。