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基于毫米波雷達與相機圖像雙分支互融合的3D目標檢測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：CN119478371B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202411631428.6，技術領域涉及：G06V10/25；該發明授權基于毫米波雷達與相機圖像雙分支互融合的3D目標檢測方法是由白驍凱;沈會良;張富怡;曹思源;王芳;白傑設計研發完成，并于2024-11-15向國家知識產權局提交的專利申請。

本基于毫米波雷達與相機圖像雙分支互融合的3D目標檢測方法在說明書摘要公布了：本發明公開了一種基于毫米波雷達與相機圖像雙分支互融合的3D目標檢測方法。該方法從相機和毫米波雷達高效提取各自模態的特有圖像特征，并引入互補分支信息。具體來說，本方法生成了幾何感知的相機鳥瞰視圖BEV特征和語義感知的毫米波雷達BEV特征。這兩類特征融合后形成全面增強的BEV特征圖，隨后通過解碼處理，實現精確的3D目標檢測。本方法顯著提高了3D目標檢測的準確性與魯棒性，實驗結果顯示，即使在復雜場景和惡劣天氣條件下，該方法也能有效檢測和定位環境中的3D目標。

本發明授權基于毫米波雷達與相機圖像雙分支互融合的3D目標檢測方法在權利要求書中公布了：1.一種基于毫米波雷達與相機圖像雙分支互融合的3D目標檢測方法，其特征在于，通過從相機和毫米波雷達有效提取各自模態的特有圖像特征信息，并引入互補分支信息，生成幾何感知的相機BEV特征與語義感知的毫米波雷達BEV特征；利用跨模態卷積將兩類特征進行融合，形成全面增強的BEV特征圖，隨后進行解碼處理，實現精確的3D目標檢測； 具體步驟如下： S1：實現圖像前景區域自適應的深度補全，并生成幾何感知的相機BEV特征； S11：對圖像進行編碼得到圖像特征，并基于圖像特征對圖像中的前景區域進行分割，得到前景分割掩碼； S12：將毫米波雷達點云投影到相機平面上形成雷達稀疏深度圖，并將所述雷達稀疏深度圖與步驟S11所得的圖像特征結合，然后再進行深度概率估計； S13：將步驟S12所得的深度概率估計結果與激光雷達深度真值進行損失計算，并使用步驟S11所得的前景分割掩碼對損失進行自適應的權重調節，從而優化所述深度概率估計方法，提升所述深度概率估計方法對前景區域估計的準確性； S14：基于步驟S13優化后的深度概率估計方法對圖像進行深度概率估計，將深度概率估計結果與圖像特征做外積，并使用體素池化得到幾何感知的相機BEV特征； S2：為雷達分支準確引入語義信息，生成語義感知的雷達BEV特征； S21：對毫米波雷達點云進行編碼，得到原始雷達點云特征； S22：在毫米波雷達坐標系生成虛擬點云，使用圖像特征對所述虛擬點云進行填充，從而為雷達分支引入語義信息； S23：使用步驟S14所得的深度概率估計結果，對所述虛擬點云對應的圖像特征進行加權，從而將虛擬點云轉換為BEV特征； S24：將步驟S21所述的原始雷達點云特征與步驟S23所述的BEV特征使用卷積融合，得到語義感知的雷達BEV特征； S3：對使用跨模態卷積將所述幾何感知的相機BEV特征和語義感知的雷達BEV特征進行融合，得到全面增強的BEV特征； S4：對全面增強的BEV特征進行解碼，實現3D目標的檢測和定位； 所述S12具體為：對于空間中的毫米波雷達點云，將其投影到圖像平面上，得到雷達稀疏深度圖，將其與圖像特征一起送入深度補全網絡，得到深度概率估計結果，其中是預定義的離散深度區間數目；該過程表述為： 其中，DepthNet表示深度補全網絡，由數層卷積與鄰域注意力組成； 所述S22具體為：首先在毫米波雷達坐標系下生成一系列預定義的規則體素，其中以及分別代表BEV空間的長、寬尺寸，代表高度尺寸；取出每個體素的中心點作為虛擬點云，則所有體素的虛擬點云形成的集合為，顯然；使用相機內外參將個虛擬點云投影到圖像平面上，使用像素索引獲得對應位置的，從而得到特征集，將特征集中所有特征在特征維度上填充到對應虛擬點云上，獲得被裝飾的虛擬點云。

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”。