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！

龙图腾网获悉南京理工大学申请的专利基于雷达射频图像与单目视觉图像融合的交通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：CN115830463B 。

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：202211173910.0，技术领域涉及：G06V20/13；该发明授权基于雷达射频图像与单目视觉图像融合的交通目标检测方法是由张伟斌;王文博设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本基于雷达射频图像与单目视觉图像融合的交通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雷达射频图像与单目视觉图像融合的交通目标检测方法，通过两个独立的特征提取模块分别对雷达射频图像与单目视觉图像进行特征提取得到两个低分辨特征图；将两个低分辨率特征图拼接并送入反卷积模块用于生成高分辨率特征图；使用一个热力图模块用于压缩高分辨率特征图的冗余通道生成热力图；通过基于位置的非极大值抑制得到目标在极坐标俯视图下的类别与位置。此外，在网络训练过程中一种数据置乱方法被用于缓解过拟合问题，使得网络鲁棒性进一步提升。本发明在极端天气、不良光照、甚至单传感器失效的交通场景下仍然能够有效工作，具有很高的实用价值。

本发明授权基于雷达射频图像与单目视觉图像融合的交通目标检测方法在权利要求书中公布了：1.一种基于雷达射频图像与单目视觉图像融合的交通目标检测方法，其特征在于，包括以下步骤： 步骤1，对雷达射频图像与单目视觉图像数据进行预处理； 步骤2，使用两个独立的特征提取模块提取雷达射频图像与单目视觉图像的特征，生成两个具有相同大小的低分辨率特征图，将两个低分辨率特征图沿通道维度拼接，生成融合的低分辨率特征图，使用反卷积模块处理融合的低分辨率特征图，生成高分辨率特征图，使用热力图模块压缩高分辨率特征图冗余通道数，生成包含目标类别与位置的热力图，据此构建基于雷达射频图像与单目视觉图像融合的交通目标检测模型； 步骤3，使用数据置乱技术，训练交通目标检测模型； 步骤4，将实际场景下采集到的雷达原始数据与单目视觉图像数据进行与步骤1相同的预处理，送入步骤3训练好的模型中，生成得到包含目标类别与位置信息的热力图； 步骤5，对步骤4得到的热力图使用基于位置的非极大值抑制，过滤置信度低于阈值的目标并找出局部峰值点，输出目标类别与位置，完成交通目标检测； 步骤3，使用数据置乱技术，训练交通目标检测模型，具体方法为： 在数据输入基于雷达射频图像与单目视觉图像融合的交通目标检测模型进行训练之前对数据进行动态处理，包含数据丢弃与添加干扰两个串行的步骤，首先丢弃阶段分别以三分之一的概率将雷达射频图像置0、将单目视觉图像置0、不做任何处理，加干扰阶段分别以三分之一的概率为雷达射频图添加高斯噪声、为单目视觉图像添加高斯噪声、不做任何处理； 步骤5，对步骤4得到的热力图使用基于位置的非极大值抑制，过滤置信度低于阈值的目标并找出局部峰值点，输出目标类别与位置，完成交通目标检测，具体方法为： 步骤5-1，使用3×3的滑动窗口遍历热力图的每一个通道，将每一组的窗口元素记录为初始峰值集合其中N表示峰值的个数，n表示第n个峰值； 步骤5-2，选取初始峰值集合P中的最大值元素p*构建一个输出集合，将此元素在初始峰值集合P中删除，并计算p*与其它元素间的物体位置相似度，其中物体位置相似度OLS被定义为： 其中e表示自然对数的底，d表示两物体之间的距离，S表示物体与雷达或相机间的距离，Kclass表示容差根据目标类别人工定义； 步骤5-3，如果p*与Pi之间的物体位置相似度大于阈值，则将Pi从初始峰值集合中移除； 步骤5-4，重复步骤5-2和5-3直到初始峰值集合P为空集。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。