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！

龙图腾网获悉南京航空航天大学申请的专利一种毫米波雷达数据和相机数据的融合方法及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：CN114200441B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202111455118.X，技术领域涉及：G01S13/86；该发明授权一种毫米波雷达数据和相机数据的融合方法及系统是由陆晓梦;郝洁;顾宇航;陈兵设计研发完成，并于2021-12-01向国家知识产权局提交的专利申请。

本一种毫米波雷达数据和相机数据的融合方法及系统在说明书摘要公布了：本发明涉及一种毫米波雷达数据和相机数据的融合方法及系统，首先对毫米波雷达点云数据进行转换，得到与相机图像数据大小相同的雷达图像数据；然后分别对相机图像数据进行多尺度特征提取得到相机图像特征数据，对雷达图像数据进行多尺度特征提取得到雷达图像特征数据；再将相机图像特征数据和雷达图像特征数据自上而下进行融合，得到融合数据；最后对融合数据进行解码得到融合图像数据。本发明采用自上而下的融合模式，将毫米波雷达和相机的数据通过特征提取进行多尺度的融合，不仅降低模型的复杂度，而且提高了融合的精度，进一步提高了目标识别的感知精度。

本发明授权一种毫米波雷达数据和相机数据的融合方法及系统在权利要求书中公布了：1.一种毫米波雷达数据和相机数据的融合方法，其特征在于，包括： 获取毫米波雷达点云数据和相机图像数据； 对所述毫米波雷达点云数据进行转换，得到与所述相机图像数据大小相同的雷达图像数据； 对所述相机图像数据进行多尺度特征提取得到相机图像特征数据；对所述雷达图像数据进行多尺度特征提取得到雷达图像特征数据； 将所述相机图像特征数据和所述雷达图像特征数据自上而下进行融合，得到融合数据； 对所述融合数据进行解码得到融合图像数据； 所述对所述相机图像数据进行多尺度特征提取得到相机图像特征数据，具体为： 基于残差网络编码器对所述相机图像数据进行多尺度特征提取，得到所述相机图像特征数据；所述残差网络编码器包括，第一残差网络编码器、第二残差网络编码器、第三残差网络编码器和第四残差网络编码器； 所述第一残差网络编码器对所述相机图像数据进行14尺度特征提取，得到第一相机特征图像；所述第二残差网络编码器对所述第一相机特征图像进行18尺度特征提取，得到第二相机特征图像；所述第三残差网络编码器对所述第二相机特征图像进行116尺度特征提取，得到第三相机特征图像；所述第四残差网络编码器对所述第三相机特征图像进行132尺度特征提取，得到第四相机特征图像； 所述对所述雷达图像数据进行多尺度特征提取得到雷达图像特征数据，具体为： 基于最大池化编码器对所述雷达图像数据进行多尺度特征提取，得到所述雷达图像特征数据；所述最大池化编码器包括四层结构，分别定义为第一最大池化编码器、第二最大池化编码器、第三最大池化编码器和第四最大池化编码器； 所述第一最大池化编码器对所述雷达图像数据进行14尺度特征提取，得到第一雷达特征图像；所述第二最大池化编码器对所述第一雷达特征图像进行18尺度特征提取，得到第二雷达特征图像；所述第三最大池化编码器对所述第二雷达特征图像进行116尺度特征提取，得到第三雷达特征图像；所述第四最大池化编码器对所述第三雷达特征图像进行132尺度特征提取，得到第四雷达特征图像； 所述将所述相机图像特征数据和所述雷达图像特征数据自上而下进行融合，得到融合数据，具体为： 基于自上而下的特征金字塔融合模块，对所述相机图像特征数据和所述雷达图像特征数据进行融合，得到所述融合数据；所述特征金字塔融合模块包括四层结构，自上而下分别定义为第一融合层、第二融合层、第三融合层和第四融合层； 所述第一融合层对所述第四相机特征图像和所述第四雷达特征图像进行融合得到第一融合特征图；所述第二融合层对所述第一融合特征图进行上采样，得到第一上采样特征图，并对所述第一上采样特征图、所述第三雷达特征图像和所述第三相机特征图像进行融合，得到第二融合特征图；所述第三融合层对所述第二融合特征图进行上采样，得到第二上采样特征图，并对所述第二上采样特征图、所述第二雷达特征图像和所述第二相机特征图像进行融合，得到第三融合特征图；所述第四融合层对所述第三融合特征图进行上采样，得到第三上采样特征图，并对所述第三上采样特征图、所述第一雷达特征图像和所述第一相机特征图像进行融合，得到第四融合特征图；所述第四融合特征图即为所述融合数据。

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航空航天大学，其通讯地址为：210000 江苏省南京市秦淮区御道街29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。