買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉江蘇大學申請的專利一種基于單目視覺運動估計的周邊多目標軌跡預測方法、模型訓練方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114820708B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210460015.0，技術領域涉及：G06T7/246；該發明授權一種基于單目視覺運動估計的周邊多目標軌跡預測方法、模型訓練方法及裝置是由蔡英鳳;汪梓豪;陳龍;廉玉波;鐘益林;王海;袁朝春;孫曉強;何友國設計研發完成，并于2022-04-28向國家知識產權局提交的專利申請。

本一種基于單目視覺運動估計的周邊多目標軌跡預測方法、模型訓練方法及裝置在說明書摘要公布了：本發明公開了一種基于單目視覺運動估計的周邊多目標軌跡預測方法、模型訓練方法及裝置，自車運動估計和預測部分建立了完整車輛視覺里程計，實現對自車運動的獨立建模。其次，所提出的目標軌跡初始化方法基于所建立的視覺里程計和深度圖信息，將不同時刻的目標邊界框坐標歸一化到當前時刻。自車運動估計和預測模型完成了對目標運動與自車運動的解耦。最后，在未來軌跡預測部分使用歸一化的軌跡坐標，在自車當前相機視角下完成對目標未來軌跡的預測。模型各階段訓練時所需數據包括車載相機拍攝的視頻序列以及該序列內各目標的位置信息和身份信息。

本發明授權一種基于單目視覺運動估計的周邊多目標軌跡預測方法、模型訓練方法及裝置在權利要求書中公布了：1.一種基于單目視覺運動估計的周邊多目標軌跡預測方法，其特征在于，包括： S1:建立自車視覺里程計，完成對自車運動的獨立建模； S2:構建自車運動估計網絡，包括深度估計網絡和位姿估計網絡，深度估計網絡輸出當前幀圖像It的深度位姿估計網絡預測變換矩陣Tt′→t和車載相機的內參矩陣將t′時刻的圖像It′中的所有像素投影到t時刻像素坐標系中對應的位置，重建出t時刻的圖像It′→t； S3：構建自車運動預測網絡，采用LSTM編解碼器結構； S4：目標軌跡的歸一化； S5：建立軌跡預測網絡，預測未來軌跡； 所述S5的軌跡預測網絡包含目標運動特征編碼器、區域圖像特征編碼器以及未來軌跡預測器；其中， 目標運動特征編碼器： 輸入歷史運動信息x中的所有參數都將關于圖像尺寸進行歸一化，保證輸入參數都在0,1區間之內； 將歷史運動信息序列X＝{xt-h,…,xt-1,xt}輸入到LSTM編碼器中： Ot,Ht＝LSTMenc[Xt,Ht-1],Wenc 最后使用第t個LSTMCell輸出的隱藏狀態Ht作為總結目標運動序列特征的特征向量； 區域圖像特征編碼器： 當前幀圖像It中觀測目標i所處區域對應的背景像素塊在歷史視角中存在連續的變化過程，以It中的目標邊界框中心點pc為中心，使用proj公式把pc投影到歷史視角的坐標系中，使用統一尺寸hcrop,wcrop對目標周邊區域進行裁剪，所得到裁剪圖像序列區域圖像編碼器輸入特征P表示為： 其中，Concatnate為級聯操作，對圖像的通道維度進行合并； 將P輸入到ConvLSTM中，網絡輸出為Ht,P作為該區域圖像序列特征： Ot,P,Ht,P＝ConvLSTM[P,Ht-1,P],WP FP＝MaxPoolingHt,P 將Ht,P視作由多個包含高維特征的整齊排布的節點，使用最大池化操作來聚合該區域的整體特征FP； 未來軌跡預測器： 使用LSTM解碼器接收不同各目標的編碼信息Fenc＝Ht,Fp，LSTM解碼器均為NAR解碼方式，最后通過多層感知機MLP，預測t時刻視角內目標邊界框的中心點在x,y軸的移動速度以及加速度等運動學參數m＝{vx,vy,ax,ay}: Ot,Ht,out＝LSTMdec[Fenc,Ht-1],Wdec 式中：為預測的未來目標運動學參數，Mpred＝{mt+1,…,mt+f}，中預測的參數計算的目標邊界框處于靜態視角t中，所以在計算訓練Loss之前，需要將其轉換為相應未來時刻的邊界框位置和大小: 同樣的，利用proj公式和預測的未來自車運動的位姿變換矩陣，把視角t的邊界框序列投影到其所處的t′視角，t′∈{t+1,…,t+f}，最終得到預測邊界框中心點坐標序列Bt′,pred。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人江蘇大學，其通訊地址為：212013 江蘇省鎮江市京口區學府路301號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。