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！

龍圖騰網恭喜武漢理工大學申請的專利一種基于視覺語義分割的礦下巷道可行駛區域檢測方法及系統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：CN118015578B 。

龍圖騰網通過國家知識產權局官網在2025-04-15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：202410087658.4，技術領域涉及：G06V20/56；該發明授權一種基于視覺語義分割的礦下巷道可行駛區域檢測方法及系統是由陳志軍;王朝偉;張永健設計研發完成，并于2024-01-22向國家知識產權局提交的專利申請。

本一種基于視覺語義分割的礦下巷道可行駛區域檢測方法及系統在說明書摘要公布了：本發明公開一種基于視覺語義分割的礦下巷道可行駛區域檢測方法及系統。包括：礦下巷道可行駛區域場景數據集制作；基于MobileVit的輕量化可行駛區域檢測模型MvSeg?UR搭建與訓練；MvSeg?UR系統集成和模型部署；實時的可行區域檢測和柵格地圖反饋。本發明對MobileVit骨干網絡結構進行改進，在增加精度的同時，進一步減小了網絡參數量，提高計算速度；針對可行駛區域的邊緣檢測模糊不平滑問題，本發明對邊緣損失函數進行改進，提出一種基于Canny算子的軟邊緣損失函數，使得模型訓練過程對邊緣像素點更為敏感，提升了MvSeg?UR模型的魯棒性和準確度。本發明解決了地下礦區可行駛區域實時檢測的問題，提供一種實時且準確的可行駛區域檢測方法，為地下礦卡無人駕駛導航方法提供了兜底作用。

本發明授權一種基于視覺語義分割的礦下巷道可行駛區域檢測方法及系統在權利要求書中公布了：1.一種基于視覺語義分割的礦下巷道可行駛區域檢測方法，其特征在于，包括：步驟S01.通過車載相機實時采集礦下巷道原圖像數據；步驟S02.根據標注規則，標注原圖像中的可行駛區域和背景的輪廓及類別，形成標簽數據集，將標簽數據集和原圖像掩碼化，得到掩碼圖像，將原圖像以及掩碼圖像整合轉化為cityscape格式的礦下巷道數據集，然后劃分為訓練集、驗證集和測試集；步驟S03.對礦下巷道數據集中的掩碼圖像及原圖像分別進行數據增強，得到增強數據后的掩碼圖像及原圖像，對原圖像的每一個通道的像素值進行歸一化處理；步驟S04.構建MvSeg-UR模型，用于分割可行駛區域，MvSeg-UR模型包括編碼層和解碼層，解碼層輸出端與分類器相連；步驟S05.利用所述數據增強后的礦下巷道數據集中的掩碼圖像及原圖像對所述MvSeg-UR模型進行訓練、驗證和測試，得到訓練好的MvSeg-UR模型；所述數據增強后的訓練集中掩碼圖像及原圖像通過MobileViTv2網絡的編碼層提取全局特征，以及分別在MobileViTv2主干網絡不同階段提取局部特征，全局特征經解碼層進行上采樣恢復到提取全局特征前的原尺度，使用DS-FPN對不同的局部特征與解碼層特征進行特征融合增強，然后由分類器輸出訓練結果，保存訓練過程中相應的權重文件；將各權重文件在數據增強后的驗證集上進行檢驗并調整MvSeg-UR模型的超參數，同時選取分割準確率最高的權重文件作為訓練好的MvSeg-UR模型的模型參數；將數據增強后的測試集輸入訓練好的MvSeg-UR模型中查看模型的近似泛化性能；步驟S06.采用所述訓練好的MvSeg-UR模型實時檢測實時采集的礦下巷道原圖像，根據車載相機與可行駛區域地面高度差計算每個可行駛區域像素點相對于車體的實際距離，并轉化為柵格圖像，得到可行駛區域的二維網格地圖;編碼層包括編碼層特征分支,所述的編碼層特征分支采用改進的MobileViTv2作為骨干網絡，編碼層特征分支由特征圖1與特征圖2、特征圖3、特征圖4依次串聯構成，特征圖1和特征圖2之間，以及特征圖2和特征圖3之間使用一個stride=1的MobileNetV2block和MobileViTblock進行特征提取，并使用一個stride=2的MobileNetV2block進行下采樣，特征圖3和特征圖4之間使用一個stride=2的MobileNetV2block進行下采樣，stride表示步長；其中MobileViTblock包括卷積、Transformer模塊、殘差連接融合模塊，MobileViTblock提取特征時，首先將特征圖通過一個n×n的卷積對圖像進行局部特征提取，然后用1×1的卷積調整特征圖的通道數使其從C變為d，接著將特征圖分成16個patch，每個patch對應一個embedding，將所有的embedding分成9組，同組之間使用Transformer模塊進行全局特征的提取并使用1×1的卷積將特征圖的通道數調整回C，最后借助shortcut殘差分支將特征圖與原始的輸入圖進行沿著通道方向的簡單拼接concat并通過一個n×n的卷積融合這些特征得到最終的全局特征輸出；所述步驟S04包括：構建MvSeg-UR模型損失函數；基于編碼層特征分支和融合了DS-FPN,Dual-streamFeaturePyramidNetworks模塊的解碼層分支串聯，然后與全局特征融合分支并聯搭建多尺度特征融合網絡；基于所述MvSeg-UR模型損失函數建立深度監督網絡；基于分類器構建預測網絡；將所述多尺度特征融合網絡、所述深度監督網絡和所述預測網絡進行連接，構成所述MvSeg-UR模型；MvSeg-UR模型損失函數包含掩碼損失函數和邊緣損失函數；其中，掩碼損失函數為： （1）其中，表示第i個圖片的第k個掩碼預測，表示對應的真實掩碼標簽值；表示第k個掩碼分辨率是否被選為輸出分辨率，表示計算二元交叉熵損失；邊緣損失函數為： （2）其中，表示真實值掩碼的邊緣，表示預測掩碼的邊緣，所述真實掩碼標簽和預測掩碼標簽通過Canny算子得到軟邊緣映射圖，后根據閾值將邊緣映射圖轉換為二值邊緣圖后，得到所述真實值掩碼的邊緣和預測掩碼的邊緣;總的損失函數為兩個損失函數加權相加： （3）其中和分別表示掩碼損失函數和軟邊緣損失函數的權重。

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武漢理工大學，其通訊地址為：430070 湖北省武漢市洪山區珞獅路122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”。