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！

龙图腾网获悉江西师范大学申请的专利一种基于双模态特征不确定性融合的道路分割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：CN121482747B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610030826.5，技术领域涉及：G06V20/56；该发明授权一种基于双模态特征不确定性融合的道路分割方法是由吴水秀;万嘉诚;邬佳乐;卢阳辉;丁伟民;朱霄旸;官文杰设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本一种基于双模态特征不确定性融合的道路分割方法在说明书摘要公布了：本发明公开一种基于双模态特征不确定性融合的道路分割方法，旨在解决现有深度相机道路分割中模态特征冲突、固定权重融合适应性差及未充分利用模态不确定性的问题；该方法构建双模态特征提取与不确定性感知融合的一体化框架：针对彩色图像采用纯思法模架构提取全局语义特征，针对深度数据采用融合非对称扩张卷积的卷积网络增强空间几何感知；通过多尺度扩张注意力模块优化特征交互，并利用证据收集生成像素级分类证据；基于德姆斯特‑谢弗证据理论对双模态不确定性进行量化与动态融合，自适应调整融合权重，有效抑制特征冲突与信息冗余；本发明显著提升复杂场景下的道路分割精度与鲁棒性，为自动驾驶系统提供可靠的可行驶区域感知信息。

本发明授权一种基于双模态特征不确定性融合的道路分割方法在权利要求书中公布了：1.一种基于双模态特征不确定性融合的道路分割方法，其特征在于，包括如下步骤： 步骤S1：从基准数据集‌‌中读取深度图像与彩色图像，对深度图像与彩色图像进行标准化和尺寸裁剪处理，得到分辨率一致的双模态输入数据，双模态输入数据包括深度分支与彩色分支； 步骤S2：将双模态输入数据输入到双模态特征提取模块； 深度分支依次经过双模态特征提取模块的深度法向量提取组件和深度残差网络的前三层进行处理，得到前三个阶段的深度特征图； 深度残差网络的第四层替换为分向扩张卷积块，第三阶段的深度特征图经过替换的第四层的分向扩张卷积块进行处理，得到第四阶段的深度特征图； 步骤S3：彩色分支依次经过双模态特征提取模块中的图像嵌入模块和四个包含代理注意力的基础层进行处理，得到四个阶段的彩色特征图； 步骤S4：将步骤S2得到第四阶段的深度特征图与步骤S3得到第四阶段的彩色特征图输入至多扩张率注意力增强模块进行特征强化，得到深度增强特征与彩色增强特征； 步骤S5：将深度增强特征与彩色增强特征分别输入至对应特征解码模块进行处理，得到深度分支精细特征和彩色分支精细特征； 步骤S6：将深度分支精细特征与彩色分支精细特征输入至双模态不确定性融合模块进行处理，得到综合分类依据；计算综合分类依据的类别概率，得到最终的道路分割图； 步骤S7：基于双模态特征提取模块、多扩张率注意力增强模块、特征解码模块、双模态不确定性融合模块构建道路分割模型；基于道路分割模型构建总损失函数进行分层监督； 在步骤S7中，基于道路分割模型构建总损失函数，总损失函数包括证据交叉熵损失函数，证据交叉熵损失函数对双模态不确定性融合模块生成的多个层级的证据进行分层监督；具体为： 步骤S71：对于给定的深度分支参数与彩色分支参数，证据交叉熵损失函数由分类误差项和不确定性正则项构成，公式如下： ； ； 其中，表示深度分支参数与彩色分支参数调整后的参数，包括、、，表示深度分支和彩色分支的三个单尺度证据，表示深度分支参数与彩色分支参数的融合参数，表示双模态联合证据；label表示道路真实标签，道路区域取值为1，非道路区域取值为0；表示证据交叉熵损失函数，表示像素点，表示伽马函数的对数导数，S表示证据总置信度，表示退火系数，表示KL散度，表示元素全为1的向量； 步骤S72：利用证据交叉熵损失函数对深度分支和彩色分支的三个单尺度证据、深度分支参数与彩色分支参数的融合参数以及双模态联合证据进行分层监督；再通过逐一计算损失函数并加权求和得到总损失函数，公式如下： ； 其中，表示总损失函数，表示深度分支和彩色分支的三个单尺度证据，表示深度分支参数与彩色分支参数的融合参数，表示双模态联合证据；对双模态联合证据施加的损失权重为2。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。