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！

龙图腾网获悉上海海事大学申请的专利纹理增强轨迹与视觉SLAM融合的桥梁防撞预警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：CN121617074B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610148707.X，技术领域涉及：G06V20/58；该发明授权纹理增强轨迹与视觉SLAM融合的桥梁防撞预警方法是由张杰;蔡沁杨;韦应明;郭佳民设计研发完成，并于2026-02-03向国家知识产权局提交的专利申请。

本纹理增强轨迹与视觉SLAM融合的桥梁防撞预警方法在说明书摘要公布了：本发明提供了纹理增强轨迹与视觉SLAM融合的桥梁防撞预警方法，涉及船舶智能防撞技术领域。包括对恶劣天气船舶监控图像数据进行采集与预处理；构建多尺度纹理增强模块，对预处理后的图像进行图像增强处理；构建引入水域纹理注意力权重的特征融合模型，得到船舶特征图像；进行基于船舶姿态自适应调整的船舶三维目标检测，获得船舶三维标识框；进行船舶多目标轨迹追踪与现场部署；根据船舶多目标轨迹，进行实时轨迹检测与电子围栏动态匹配，判定船舶实时区域状态及未来预设时间内的轨迹风险；设置多级预警机制，明确各预警等级的触发条件，确定联动响应方式。该发明能提高船舶目标检测与轨迹识别的准确率，降低碰撞风险，实现航运安全。

本发明授权纹理增强轨迹与视觉SLAM融合的桥梁防撞预警方法在权利要求书中公布了：1.一种纹理增强轨迹与视觉SLAM融合的桥梁防撞预警方法，其特征在于，所述方法包括： 对恶劣天气船舶监控图像数据进行采集与预处理；构建多尺度纹理增强模块，对预处理后的图像进行图像增强处理；基于增强处理后的图像，构建引入水域纹理注意力权重的特征融合模型，得到船舶特征图像；基于船舶特征图像，进行船舶三维目标检测，获得船舶三维标识框；基于船舶三维标识框，进行船舶多目标轨迹追踪与现场部署；根据船舶多目标轨迹，进行船舶实时轨迹检测与电子围栏动态匹配，判定船舶实时区域状态及未来预设时间内的轨迹风险；根据区域状态判定结果及轨迹风险预测结果，设置多级预警机制，明确各预警等级的触发条件，并对应确定联动响应方式； 其中，所述基于增强处理后的图像，构建引入水域纹理注意力权重的特征融合模型，得到船舶特征图像，具体包括： 1选用改进的ResNet-50作为基础特征提取网络，将增强图像输入该网络，通过残差单元前向传播提取多层级特征图C1-C5：其中浅层特征图C1-C2聚焦船舶细节特征，深层特征图C3-C5聚焦船舶整体轮廓及语义特征；其中，通过残差单元前向传播提取多层级特征表达式如下： 式中，为残差映射，x为残差单元的输入特征，y为残差单元的输出特征； 2构建水域纹理注意力模块，输入深层特征图C5，通过全局平均池化得到通道级特征向量；利用2层全连接网络对特征向量进行维度转换与非线性映射，输出与通道数相等的注意力权重向量；将该权重向量与浅层特征图C2进行逐通道加权相乘，强化船舶与水域边界处的特征权重，抑制纯水域背景区域的特征响应，使模型重点关注船舶目标所在区域；其中，输入深层特征图C5，通过全局平均池化得到通道特征向量vR2048: 式中，为C5第c个通道在x,y处的特征值，其中c=1,...,2048；H、W为C5的高和宽；通过2层全连接网络转换特征向量，输出注意力权重R2048： 其中，将2048维映射至128维，映射回2048维，为Sigmoid函数； 将权重与浅层特征图C2逐通道加权，强化边界特征： 式中，为权重的尺寸自适应调整，为逐元素相乘； 3将经过注意力加权的浅层特征图与深层特征图C5进行跨层级融合，采用上采样技术将深层特征图C5的尺寸调整为与浅层特征图一致，通过元素相加实现特征融合；融合后的特征图再输入1×1卷积核进行通道整合，得到最终的船舶特征图像；其中，对深层特征图C5进行上采样，使其实例尺寸匹配，随后与按以下公式融合： 式中，为双线性插值上采样，用于整合通道至128维。

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上海海事大学，其通讯地址为：201306 上海市浦东新区临港新城海港大道1550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。