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！

龍圖騰網獲悉浙江大學申請的專利一種基于單目深度估計的車輛周圍障礙物預警方法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：CN114495064B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202210104631.2，技術領域涉及：G06V20/58；該發明授權一種基于單目深度估計的車輛周圍障礙物預警方法是由辛海同;蔡登設計研發完成，并于2022-01-28向國家知識產權局提交的專利申請。

本一種基于單目深度估計的車輛周圍障礙物預警方法在說明書摘要公布了：本發明公開了一種基于單目深度估計的車輛周圍障礙物預警方法，包括：1獲取圖像數據，在圖像數據中生成訓練所需的像素標簽、深度圖標簽以及3D目標標簽，構成訓練數據集；2建立基于單目深度估計的3D目標檢測模型；3利用訓練數據集對3D目標檢測模型進行訓練；4在進行障礙物預警過程中，使用訓練優化得到的3D目標檢測模型來檢測連續幀的障礙物；5構建追蹤模型，使用匈牙利最大匹配算法來追蹤連續幀中相互對應的障礙物；6建立障礙物空間位置和速度相關的卡爾曼濾波模型，通過濾波算法，最終得到追蹤障礙物的空間位置信息并判斷是否有碰撞危險。利用本發明，能夠在節約成本的前提下提高車輛障礙物預警的精度。

本發明授權一種基于單目深度估計的車輛周圍障礙物預警方法在權利要求書中公布了：1.一種基于單目深度估計的車輛周圍障礙物預警方法，其特征在于，包括以下步驟： 1獲取圖像數據，所述圖像數據中包含相機標定參數以及與圖像同幀的點云數據；在圖像數據中生成訓練所需的像素標簽、深度圖標簽以及3D目標標簽，構成訓練數據集； 2建立基于單目深度估計的3D目標檢測模型；所述的3D目標檢測模型中，使用DenseNet121作為圖像特征提取的Backbone，使用BTS深度估計模型在提取到的圖像特征的基礎上預測每個像素點的深度值；與此同時，在提取到的圖像特征的基礎上用一個感興趣像素提案模塊來生成感興趣像素集；最后使用簡化后的單階段3D檢測頭，以感興趣像素生成的偽激光點為輸入，輸出回歸得到的障礙物的3D空間位置、大小及類別； 3利用訓練數據集對3D目標檢測模型進行訓練和測試，最終得到訓練優化后的3D目標檢測模型；具體過程為： 3-1對訓練數據集進行隨機打亂，然后對圖像、像素標簽、3D標簽和深度圖標簽同時按以50％的隨機水平翻轉做數據增強； 3-2將訓練數據集以預先設定好的BatchSize大小的圖片數目輸入3D目標檢測網絡，通過與BTS深度估計模型對應的網絡深度回歸頭預測每個像素點的深度值，通過與感興趣像素提案模塊對應的感興趣區域模塊生成障礙物的感興趣像素點； 所述網絡深度回歸頭訓練的目標函數是log空間中的尺度不變損失函數，公式為： 其中，T表示有深度真值像素點的數目，λ作為超參數，其值設置為0.5，gi表示深度預測值與真值來log空間中的歐式距離，具體計算公式如下： 其中，與di分別表示估計深度值與深度真值，由于場景中有深度真值像素點較多，網絡深度回歸頭最終的損失函數定義為： 其中，α作為損失權重控制量，在訓練中設置為10； 3-3將上述感興趣像素點及其深度值作為輸入，通過相機標定參數轉化為其對應的空間坐標點；將生成得到的空間坐標點輸入到與3D目標檢測頭對應的3D回歸頭中回歸障礙物的空間位置和大小并預測其類別； 3-4重復步驟3-1～步驟3-3，達到預設訓練次數后結束訓練； 4在進行障礙物預警過程中，使用訓練優化得到的3D目標檢測模型來檢測連續幀的障礙物； 5構建追蹤模型，使用匈牙利最大匹配算法來追蹤連續幀中相互對應的障礙物； 6建立障礙物空間位置和速度相關的卡爾曼濾波模型，通過濾波算法，最終得到追蹤障礙物的空間位置信息并以此為距離基準來判斷是否有碰撞危險。

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浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866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”。