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！

龙图腾网获悉中国地质大学(武汉)申请的专利一种融合遥感影像与轨迹数据的道路网络信息获取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：CN119851116B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411780132.0，技术领域涉及：G06V20/10；该发明授权一种融合遥感影像与轨迹数据的道路网络信息获取方法是由杨雪;尹圆圆设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种融合遥感影像与轨迹数据的道路网络信息获取方法在说明书摘要公布了：本发明涉及道路网络信息获取领域，尤其涉及一种融合遥感影像与轨迹数据的道路网络信息获取方法。该方法包括：获取高分辨率遥感影像数据和车辆轨迹数据；对车辆轨迹数据进行预处理、栅格化和特征提取操作；构建用于训练卷积神经网络的数据集；利用卷积神经网络获取高分辨率遥感影像和轨迹数据中的道路网络信息，本发明在影像自编码器和轨迹自编码器中间应用多模态特征增强模块来传递多模态互补信息，实现了影像单模态特征和轨迹单模态特征的相互增强；将影像自编码器和轨迹自编码器输出的道路预测图像采用了基于门控权重的加权融合方式连接起来，这样不仅能让卷积神经网络自动寻找合适的最优权重值，也减少了人为选择权重需要花费的时间和精力。

本发明授权一种融合遥感影像与轨迹数据的道路网络信息获取方法在权利要求书中公布了：1.一种融合遥感影像与轨迹数据的道路网络信息获取方法，其特征在于：包括： S1：获取高分辨率遥感影像数据和车辆轨迹数据； S2：对获取的车辆轨迹数据进行预处理、栅格化和特征提取操作； S3：构建用于训练卷积神经网络的数据集； S4：利用设计的卷积神经网络获取高分辨率遥感影像和轨迹数据中的道路网络信息，具体步骤如下： S4.1：使用Python编程语言基于Pytorch框架在Pycharm集成环境中构建卷积神经网络，该卷积神经网络包括影像自编码器、轨迹自编码器、多模态特征增强模块和基于门控权重的加权融合方式，其中，多模态特征增强模块用于提取和传递影像单模态与轨迹单模态的互补信息以及实现影像特征和轨迹特征的相互增强；基于门控权重的加权融合方式对影像自编码器和轨迹自编码器的输出结果进行融合； S4.2：影像编码器和轨迹编码器输出的影像单模态特征和轨迹单模态特征如下： 式中，fI是一组影像单模态特征，fT是一组轨迹单模态特征，i＝1,2,3,4； S4.3：影像自编码器和轨迹自编码器中的AD模块获取的影像单模态特征信息和轨迹单模态特征信息如下： 式中，与分别是影像自编码器和轨迹自编码器内每个AD模块中三个CCA分支的最终输出，与则分别是影像自编码器和轨迹自编码器内每个AD模块中HDC分支的输出； 在多模态特征增强模块中，对轨迹单模态特征信息进行动态传递的门控权重为： 式中，运算符表示对与按通道进行拼接，Conv表示1*1卷积层，与是1*1卷积层的参数，Sigmoid函数确保门控权重范围在[0,1]之间； 影像自编码器得到的经过轨迹单模态特征增强后的影像特征为： 式中，运算符表示元素相乘； 同理，对影像单模态特征信息进行动态传递的门控权重为： 轨迹自编码器得到的经过影像单模态特征增强后的轨迹特征如下： S4.4：通过两个可学习的门控权重对影像自编码和轨迹自编码器的道路预测结果进行加权求和，门控权重的计算公式为： 式中，Conv表示1*1卷积层，WT与WI是1*1卷积层的参数，OutI与OutT分别是影像自编码器和轨迹自编码器的道路预测结果； 然后使用3*3的卷积层来降低维度，进而得到最终的道路预测融合结果为： Out＝ConvθT*OutT+θI*OutI。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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”。