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！

龙图腾网恭喜浙江大学申请的专利一种基于图像和点云融合网络的道路区域图像识别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：CN113887349B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202111098880.7，技术领域涉及：G06V20/56；该发明授权一种基于图像和点云融合网络的道路区域图像识别方法是由陈剑;王麒;张心放;李浩亮设计研发完成，并于2021-09-18向国家知识产权局提交的专利申请。

本一种基于图像和点云融合网络的道路区域图像识别方法在说明书摘要公布了：本发明公开了一种基于图像和点云融合的道路区域图像识别方法。构建融合主干网络，提取原始图像和原始点云中的特征，并对这两种特征进行融合，获得融合后特征图；使用Upsampling、2D卷积层和ReLU激活函数层构建解码层，并以此构建解码网络，将融合后特征图输入到解码网络处理获得解码特征结果；针对解码特征结果使用逐点卷积运算，得到是否为道路区域分类类别。本发明解决了图像和点云直接融合的难题，将原始点云直接输入到道路区域网络中，不需要对点云做任何前处理操作，使得整个方法的运算量较低；对高精度地检测复杂环境中的道路区域能稳定精确地检测道路区域。

本发明授权一种基于图像和点云融合网络的道路区域图像识别方法在权利要求书中公布了：1.一种基于图像和点云融合的道路区域图像识别方法，其特征在于：1构建融合主干网络，提取原始图像和原始点云中的特征，并对这两种特征进行融合，获得融合后特征图；2然后使用Upsampling、2D卷积层和ReLU激活函数层构建解码层，并以此构建解码网络，将融合后特征图输入到解码网络处理获得解码特征结果；3最后针对解码特征结果使用逐点卷积运算，得到原始图像中每个像素为“道路”或者“非道路”的分类类别；所述的融合主干网络包括图像处理分支、点云处理分支和融合模块，所述的图像处理分支包括了五个依次级联连接的特征提取块，原始图像输入到第一个特征提取块，经五个特征提取块依次处理后输出各自的图像特征；所述的点云处理分支包括了四个依次连接的SA层，原始点云输入到第一个SA层，经五个特征提取块依次处理后输出各自的特征点云；将各个特征提取块输出的结果以及各个SA层输出的结果和原始点云通过多个融合模块进行融合传递处理并反馈到特征提取块中；表示为以下操作： Fi＝Ii+FusionPj,Ii,j＝i-1,i∈{1,2,3,4,5}，j∈{0,1,2,3,4} 其中，为第1个特征提取块的操作，Ii表示第i个特征提取块输出的图像特征，I0表示原始图像，I1表示第1个特征提取块输出的图像特征，Fi表示第i个融合模块输出的融合后特征图，Fusion·为融合模块的操作，Pj表示第j个SA层输出的特征点云，P0为原始点云，为第j+1个SA层的操作；通过循环上述操作得到各个融合模块的输出结果，组成融合后特征图集合{F1,F2,F3,F4,F5}；所述融合模块的具体操作步骤如下：S1、使用预先标定的激光雷达和相机的4x4方阵的外参矩阵和相机的内参矩阵K，求出第j个SA层输出的特征点云Pj中的每个点在第i个特征提取块输出的图像特征Ii的图像坐标系下的像素位置： ci＝2i其中，P′j为Pj的齐次坐标，Qij为特征点云Pj在图像特征图Ii的图像坐标系下的齐次坐标，ci为图像特征图Ii所对应的缩放尺度常量，表示向下取整操作；S2、对于图像特征Ii的每个像素，选取齐次坐标为该像素位置的特征点云Pj中的点组成集合，对该集合中的所有点的特征值取平均值，得到图像特征Ii的该像素从特征点云Pj中获取的特征；S3、对图像特征Ii中的每个像素均进行上述操作，组成完整图像作为融合后特征图Fi。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。