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！

龙图腾网获悉清华大学申请的专利交叉视角下多模态特征融合的三维目标检测方法和系统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：CN115965847B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310076916.4，技术领域涉及：G06V10/80；该发明授权交叉视角下多模态特征融合的三维目标检测方法和系统是由江昆;杨殿阁;周韬华;杨蒙蒙;陈俊杰设计研发完成，并于2023-01-17向国家知识产权局提交的专利申请。

本交叉视角下多模态特征融合的三维目标检测方法和系统在说明书摘要公布了：本发明涉及一种交叉视角下多模态特征融合的三维目标检测方法和系统，包括以下步骤：对相机图像数据和毫米波雷达数据进行不同视角下的特征提取，并进行交叉视角转换，得到交叉视角下的特征信息；构建基于交叉视角多模态数据的融合网络，对得到的交叉视角下的特征信息进行深度融合并提取特征，同时进行目标类别及三维位置信息的回归，得到完整的三维目标检测信息。本发明充分考虑了相机图像信息在前视图视角下的空间特征以及毫米波雷达点云信息在鸟瞰图视角下的空间特征，能够适应不同传感器的空间特性进一步进行有效的融合，提高融合性能，有效提高准确率，便于进行后续算法处理。本发明可以广泛应用于智能汽车的环境感知领域。

本发明授权交叉视角下多模态特征融合的三维目标检测方法和系统在权利要求书中公布了：1.一种交叉视角下多模态特征融合的三维目标检测方法，其特征在于，包括以下步骤： 对相机图像数据和毫米波雷达数据进行不同视角下的特征提取，并进行交叉视角转换，得到交叉视角下的特征信息； 构建基于交叉视角多模态数据的融合网络，对得到的交叉视角下的特征信息进行深度融合并提取特征，同时进行目标类别及三维位置信息的回归，得到完整的三维目标检测信息； 所述对相机图像数据和毫米波雷达数据进行不同视角下的特征提取，并进行交叉视角转换，得到交叉视角下的特征信息的方法，包括以下步骤： 构建相机图像视角下的特征提取器，对相机图像进行特征提取，得到前视图视角下的二维多尺度卷积特征及其对应的2D目标检测位置； 构建毫米波雷达视角下的特征提取器，对毫米波雷达点云数据进行多帧点云累计处理，并得到鸟瞰图视角下的雷达点云特征分布图； 构建交叉视角特征转换器，将前视图视角下的二维多尺度卷积特征以及鸟瞰图视角下的雷达点云特征分布图进行视角转换，得到交叉视角下的特征信息； 所述构建交叉视角特征转换器，将前视图视角下的二维多尺度卷积特征以及鸟瞰图视角下的雷达点云特征分布图进行视角转换，得到交叉视角下的特征信息的方法，包括以下步骤： 基于图像的内外参信息构建前视图视角特征转换器，将鸟瞰图视角下的雷达点云特征分布图转换至前视图视角下，得到前视图下的雷达高斯特征融合结果； 基于图像的内外参信息构建鸟瞰图视角特征转换器，将前视图视角下的二维多尺度卷积特征转换至鸟瞰图视角下，得到鸟瞰图视角下的图像卷积特征融合结果； 所述构建基于交叉视角多模态数据的融合网络，对得到的交叉视角下的特征信息进行深度融合并提取特征，同时进行目标类别及三维位置信息的回归，得到完整的三维目标检测信息，包括： 构建基于交叉视角的多模态数据融合网络，将前视图视角下的二维多尺度卷积特征以及投影后的雷达高斯特征连接到一起，同时将鸟瞰图视角下的雷达点云特征分布图以及投影后的图像卷积特征连接到一起； 对得到的特征融合信息进行深度融合特征提取，统一尺度后将所有特征信息连接到一起，并利用卷积层实现相应的信息权重分配； 利用三维目标检测头进行目标类别和目标位姿信息的回归，计算相应的损失函数，进行网络的训练及优化，得到完整的三维目标检测信息。

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清华大学，其通讯地址为：100084 北京市海淀区100084信箱82分箱清华大学专利办公室；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。