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！

龙图腾网获悉北京机械设备研究所申请的专利一种基于视觉的车载无盲区多目标入侵感知系统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：CN121686401B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202510295617.9，技术领域涉及：G06V20/58；该发明授权一种基于视觉的车载无盲区多目标入侵感知系统是由董彦鹏;王嘉钰;刘磊;汪晓军设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本一种基于视觉的车载无盲区多目标入侵感知系统在说明书摘要公布了：本发明涉及一种基于视觉的车载无盲区多目标入侵感知系统，属于目标识别技术领域，解决了现有技术中夜间目标识别能力差的问题。包括：图像采集模块、远场环境感知模块；其中，图像采集模块包括远场图像采集器，用于得到远场中包含目标物的RGB图像、红外图像和深度图像；远场环境感知模块用于对远场图像采集器采集得到的RGB图像、红外图像和深度图像分别进行预处理，并输入训练好的多模态特征提取融合网络进行多模态特征提取和融合，多模态特征提取融合网络输出各目标物的空间定位参数；利用所述各空间定位参数得到各目标物的大小和位置。实现了精确的多目标入侵感知。

本发明授权一种基于视觉的车载无盲区多目标入侵感知系统在权利要求书中公布了：1.一种基于视觉的车载无盲区多目标入侵感知系统，其特征在于，包括：图像采集模块、远场环境感知模块；其中， 图像采集模块包括远场图像采集器，用于得到远场中包含目标物的RGB图像、红外图像和深度图像； 远场环境感知模块用于对远场图像采集器采集得到的RGB图像、红外图像和深度图像分别进行预处理，并输入训练好的基于多模态的3D目标检测网络进行多模态特征提取和融合，多模态特征提取融合网络输出各目标物的空间定位参数；利用所述各空间定位参数得到各目标物的大小和位置； 所述多模态特征提取融合网络包括第一、第二、第三骨干网络模块、特征融合模块；其中，所述第一骨干网络模块用于基于RGB图像与红外图像的交互信息，对预处理后的RGB图像进行多尺度特征提取；所述第二骨干网络模块用于基于RGB图像与红外图像的交互信息，对预处理后的红外图像进行多尺度特征提取；所述第三骨干网络模块用于对预处理后的深度图像进行多尺度特征提取；特征融合模块，用于对相同尺度的RGB特征图、红外特征图相加后再与对应尺度的深度特征图进行拼接，得到拼接后的特征图；以及，对拼接后的特征图进一步提取融合特征，得到各目标物的空间定位参数； 所述第一、第二、第三骨干网络均包括五个卷积融合模块，分别用于得到第一至第五RGB特征图、红外特征图和深度特征图；其中，第一卷积融合模块包括ConvBNSiLU层，第二至第四卷积融合模块包括依次连接的ConvBNSiLU层和BottleneckCSP层；第一骨干网络模块和第二骨干网络模块的第五卷积融合模块包括ConvBNSiLU层、BottleneckCSP层；第三骨干网络模块的第五卷积融合模块包括ConvBNSiLU层；第一骨干网络模块和第二骨干网络模块的第五卷积融合模块的输出相加后，输入SPPF层；其中，所述ConvBNSiLU层用于对输入的图像进行特征提取，BottleneckCSP层用于防止网络在反向传播过程中出现梯度消失的现象，所述SPPF层用于用于对输入的相加后的RGB特征图、红外特征图进行特征提取； 所述特征融合模块包括第一至第四特征融合模块；其中，第一特征融合模块包括第一Concat层；第一Concat层用于将相加后的第三RGB特征图、红外特征图与对应尺度的深度特征图进行拼接，得到拼接后的第一拼接特征图；第二特征融合模块包括第二Concat层；第二Concat层用于将相加后的第四RGB特征图、红外特征图与对应尺度的深度特征图进行拼接，得到拼接后的第二拼接特征图；第三特征融合模块包括第三Concat层；第三Concat层用于将SPPF输出的特征图与对应尺度的深度特征图进行拼接，得到拼接后的第三拼接特征图；第四特征融合模块用于对拼接后的所述第一至第三拼接特征图进一步提取融合特征，得到各目标物的空间定位参数； 基于交互信息，对预处理后的RGB图像、红外图像进行多尺度特征提取，包括：在第一、第二骨干网络中第二、第三、第四卷积融合模块的输出端分别设置Transformer模块；利用Transformer模块对相同尺度的RGB特征图、红外特征图进行信息交互，分别得到交互信息后的融合RGB特征图、融合红外特征图；将融合RGB特征图与输入Transformer模块的RGB特征图相加，作为第一骨干网络中下一级卷积融合模块的输入；将融合红外特征图与输入Transformer模块的红外特征图相加，作为第二骨干网络中下一级卷积融合模块的输入； 所述第四特征融合模块包括FPN模块、PAN模块和Detect模块；其中，所述FPN模块包括依次连接的第一ConvBNSiLU层、第一上采样层、第四Concat层、第一BottleneckCSP层、第二ConvBNSiLU层、第二上采样层、第五Concat层、第二BottleneckCSP层；其中，所述第一ConvBNSiLU层用于对输入的第三拼接特征图进行特征提取，第四Concat层的另一个输入端连接第二拼接特征图；第五Concat层的另一个输入端连接第一拼接特征图；所述PAN模块包括依次连接的第三ConvBNSiLU层、第六Concat层、第三BottleneckCSP层、第四ConvBNSiLU层、第七Concat层、第四BottleneckCSP层；其中，第三ConvBNSiLU层的另一个输入为FPN模块中第二ConvBNSiLU层的输出；第四ConvBNSiLU层的另一个输入为FPN模块中第一ConvBNSiLU层的输出；所述Detect模块包括第一Detect模块、第二Detect模块和第三Detect模块，用于回归各目标物的空间定位参数；其中，所述第一Detect模块的输入为所述FPN模块中第二BottleneckCSP层的输出；所述第二Detect模块的输入为所述PAN模块中第三BottleneckCSP层的输出；所述第三Detect模块的输入为所述PAN模块中第四BottleneckCSP层的输出；第一、第二和第三Detect模块的输出为各目标物的空间定位参数； 所述空间定位参数包括：各目标物的目标类别、中心点坐标、中心点深度、中心点偏移、外接边框和偏航角。

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北京机械设备研究所，其通讯地址为：100854 北京市海淀区永定路50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。