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！

龙图腾网获悉河北经贸大学;中国电子科技集团公司第五十四研究所;东北大学申请的专利一种基于不规则语义网格和多模态网络的目标预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：CN121071821B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511590012.9，技术领域涉及：G06F18/25；该发明授权一种基于不规则语义网格和多模态网络的目标预测方法是由楚博策;孙立辉;王芹鹏;魏若岩;郭琦;朱进;杜明;杨晓春;王斌;姜岩松;裴新宇;张文宝;王梅瑞设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本一种基于不规则语义网格和多模态网络的目标预测方法在说明书摘要公布了：本发明公开了一种基于不规则语义网格和多模态网络的目标预测方法，属于时空大数据智能挖掘技术领域。本发明首先采用IAIGS对区域R范围内的DEM和光学遥感数据进行自适应划分，获取一系列不规则语义网格作为基本计算单元，随后分别计算不规则语义网格区域对应的DEM光学遥感切片和轨迹段，接着采用ISG‑VAE‑encoder对每个不规则语义网格的DEM光学遥感切片进行语义向量编码，最后采用轨迹段、语义向量编码等数据训练MFN‑RSS‑ST模型，并将训练好的MFN‑RSS‑ST模型所输出的不规则语义网格作为下一时刻目标出现位置的预测结果。本发明通过将光学和DEM遥感数据与轨迹数据进行融合，可在不依赖路网信息的前提下实现对目标未来时刻的位置分布的预测。

本发明授权一种基于不规则语义网格和多模态网络的目标预测方法在权利要求书中公布了：1.一种基于不规则语义网格和多模态网络的目标预测方法，其特征在于，包括以下步骤： 步骤1，构建基于遥感语义和时空轨迹的多模态融合网络； 步骤2，针对待预测目标的类型，获取同类型目标在某一时刻t的历史轨迹数据、未来轨迹数据、预测活动区域R，获取区域R的数字高程模型和光学遥感数据，经过处理得到一组对应于不同历史时间段的训练数据；具体方式为： 步骤201，获取时刻t之前目标的历史轨迹数据，获取时刻t之后时间内目标的真实轨迹数据作为未来轨迹数据； 步骤202，以目标在时刻t的位置为中心，取半径为r的圆形区域作为目标在未来时间内的预测活动区域R，获取区域R的数字高程模型和光学遥感数据；，v为目标的最大运动速度； 步骤203，将区域R的数字高程模型和光学遥感数据合并为四通道数据，采用迭代自适应不规则网格分割方法将四通道数据分割为四通道数据切片，并将区域R划分为不规则语义网格； 步骤204，基于不规则语义网格，对历史轨迹数据按照时间顺序进行切分，得到一系列轨迹段，每一轨迹段均为位于同一不规则语义网格中且在时间上连续的最大轨迹段； 步骤205，采用不规则网格语义变分自编码器对每个不规则语义网格的四通道数据切片进行语义编码抽取，得到每个不规则语义网格的语义向量编码； 步骤206，将区域R内所有不规则语义网格的语义向量编码组成区域R的编码矩阵； 步骤207，将轨迹段按照时间顺序进行排序，在每一个序位，加入该处轨迹段所对应的不规则语义网格的语义向量编码和四通道数据切片，并加入编码矩阵，构成该序位的训练数据，所有序位的训练数据即构成一组训练数据，每个序位的训练数据对应于一个历史时间段； 迭代自适应不规则网格分割方法的具体方式为： 步骤S1，采用种子数为s的SLIC超像素分割方法对四通道数据进行分割，得到四通道数据切片，每一四通道数据切片对应的空间区域为一个不规则语义网格；其中，种子数s为： 式中，n为预设的不规则语义网格的尺度参数，r为区域R或Q的半径； 步骤S2，计算每一个不规则语义网格的网格语义复杂度参数，并与阈值M进行比较；若不规则语义网格的网格语义复杂度参数≤M，则不需要进一步划分；否则，将r更新为的最小内接圆的半径，重新计算种子数s，采用种子数为s的SLIC超像素分割方法对区域的四通道数据切片进行再分割，得到新的不规则语义网格；重复步骤S2，直至所有不规则语义网格的网格语义复杂度都小于M；其中，网格语义复杂度参数的计算方式为： 式中，为不规则语义网格Grid的网格语义复杂度参数，为Grid的四通道数据切片中像素值为z的像素数量，为不规则语义网格Grid中的像素数量，h为不规则语义网格Grid的高度，是高度为i时不规则语义网格Grid的宽度，为Grid的四通道数据切片中坐标i,j处的像素值，为以i,j为中心、k为宽度的矩阵区域的像素值均值； 步骤3，将一组训练数据按照时间顺序分次输入多模态融合网络，并以未来轨迹数据所对应的不规则语义网格作为该组训练数据的标签，对多模态融合网络进行训练，得到训练好的多模态融合网络； 步骤4，获取待预测目标在当前时刻的历史轨迹数据、预测活动区域Q以及区域Q的数字高程模型和光学遥感数据，经过处理得到一组输入数据，将输入数据按照时间顺序输入训练好的多模态融合网络，获得待预测目标在未来时刻的预测位置区域。

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北经贸大学;中国电子科技集团公司第五十四研究所;东北大学，其通讯地址为：050061 河北省石家庄市新华区学府路47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。