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！

龙图腾网获悉河南科技大学申请的专利一种融合多头注意力机制的双分支网络车道线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：CN115527177B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202210738527.9，技术领域涉及：G06V20/56；该发明授权一种融合多头注意力机制的双分支网络车道线检测方法是由高爱云;徐鹏飞;付主木;宋书中;陶发展;司鹏举;焦龙吟;陈启宏;张冬凯设计研发完成，并于2022-06-24向国家知识产权局提交的专利申请。

本一种融合多头注意力机制的双分支网络车道线检测方法在说明书摘要公布了：本发明涉及自动驾驶技术领域，公开了一种融合多头注意力机制的双分支网络车道线检测方法，包括以下步骤：步骤一：建立结合摄像机焦距和倾斜角的多项式车道线模型；步骤二：建立基于匈牙利拟合的损失函数，预测的车道线参数与真实车道线之间进行二部匹配，利用匹配结果对特定车道的回归损失进行优化；步骤三：建立Global‑Local双分支网络。本发明可对复杂驾驶环境下的车道线标记线进行检测，尤其是视野远端的车道线标记，在没有额外的处理操作下将每条车道线汇聚到一点，形成车道线消失点，克服车道线标记模糊、遮挡、强光干扰、光线阴暗等因素为识别带来的难题。

本发明授权一种融合多头注意力机制的双分支网络车道线检测方法在权利要求书中公布了：1.一种融合多头注意力机制的双分支网络车道线检测方法，其特征在于，包括以下步骤： 步骤一：建立结合摄像机焦距和倾斜角的多项式车道线模型； 步骤二：建立基于匈牙利拟合的损失函数，预测的车道线参数与真实车道线之间进行二部匹配，利用匹配结果对特定车道的回归损失进行优化； 步骤三：建立全局-局部双分支网络； 所述步骤一的建立结合摄像机焦距和倾斜角的多项式车道线模型包括： 建立车道线三次多项式模型： Xi＝α1,iY3+α2,iY2+α3,iY+b 式中，Xi,Y为第i条车道线在地面上的点，α1,i、α2,i、α3,i和b为第i条车道线多项式函数的系数； 建立车道线三次多项式的“鸟瞰图”模型： 式中，x,y为转换后相平面上对应的像素点位置，fx为焦平面上像素的宽度除以焦距，fy为焦平面上像素的高度除以焦距，H为摄像机架设的高度； 建立结合摄像机倾斜角的车道线三次多项式模型： 式中，θ为摄像机倾斜角，f为摄像机焦距，f′为经过变换后的摄像机焦距，x′,y′代表经过变换后的像素点位置； 建立车道线三次多项式参数化模型： pi＝ci,α1,i′,α2,i′,α3,i′,f′,bi′,bi″,βi,γi f′＝fsinθ 式中，pi为表示第i条车道线形状的多项式参数集，ci∈[0,1]为第i条车道线的置信度，0代表背景，1代表车道线标记，βi和γi分别代表第i条车道线的纵向起始和截止偏移量，i∈[0,…,M]，M为当前图像中车道线的总数量； 所述步骤三建立全局-局部双分支网络，该网络结合CNN与多头注意力机制，按照扩张-压缩结构进行搭建，关注到更多的空间信息视野远端车道线标记信息的方法为： A、构建多头注意力机制模块：MultiHeadQ,K,V＝Concathead1,…,headhWO，headi＝AttentionQWiQ,KWiK,VWiV，其中MultiHead为多头注意力机制的输出，Concat为将每个头的输出进行组合，head为多头注意力机制中每个头的输出，Attention为自注意机制，softmax为逻辑回归函数，d为查询向量Q和键向量K的维度，V为值向量，WiQ，WiK，WiV分别代表对第i自注意机制的Q，K和V进行线性变换的矩阵，h为自注意机制的个数，WO为多头注意力的权重矩阵，由于标准的多头注意力机制没有对位置信息进行编码，这限制了在处理视觉任务的表达能力，因此在多头注意力机制处理二维特征图时，分割相对位置编码为Ph和Pw，分别作为高度和宽度解决这一问题； B、构建全局分支：该分支是一个关注空间细节的分支，具有多通道数量和浅网络结构的特征，以捕获低层次的空间细节并生成高分辨率的特征表示，该分支包含三个网络层，第一层为卷积模块，后两层为多头注意力机制模块； C、构建局部分支：该分支是一个语义分支，具有较少的通道数量和深层次的网络结构，以获取高级语义上下文信息，该分支第一层为Stem模块，用于快速下采样，然后采用两个FusedMBConv模块对原始输入图像进行快速处理，等特征图的尺寸达到合适的尺寸后采用四个MBConv模块，最后为信息嵌入模块，整合提取到的丰富全局上下文信息； D、构建融合模块：该模块用来增强相互连接和融合两种类型的特征表示，全局分支和局部分支的输出特性表示是互补的，因此，融合模块用于合并这两种互补的特性表示，局部分支采用了快速下采样策略，输出的空间维度比全局分支小，因此首先需采用上采样使两分支的特征图维度保持一致； E、构建编码器-解码器车道线参数拟合模块：该模块采用Transformer中的编码器-解码器结构框架，该模块将融合模块输出的特征图进行投影，通过线性操作投影为二维序列，进行车道线参数集的拟合，得到训练后的权重； F、利用上一步的得到的权重值，生成预测的车道点，通过基于匈牙利的损失函数与真实车道点进行比对，得到当前训练权重的误差，根据误差对权重进行迭代优化。

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河南科技大学，其通讯地址为：471000 河南省洛阳市涧西区西苑路48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。