買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜西安交通大學(xué)申請(qǐng)的專(zhuān)利雙頭解耦對(duì)齊的全場(chǎng)景目標(biāo)檢測(cè)方法、系統(tǒng)、裝置及介質(zhì)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115410181B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202211170474.1，技術(shù)領(lǐng)域涉及：G06V20/58；該發(fā)明授權(quán)雙頭解耦對(duì)齊的全場(chǎng)景目標(biāo)檢測(cè)方法、系統(tǒng)、裝置及介質(zhì)是由陳景龍;馮勇;訾艷陽(yáng)設(shè)計(jì)研發(fā)完成，并于2022-09-22向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本雙頭解耦對(duì)齊的全場(chǎng)景目標(biāo)檢測(cè)方法、系統(tǒng)、裝置及介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種雙頭解耦對(duì)齊的全場(chǎng)景目標(biāo)檢測(cè)方法、系統(tǒng)、裝置及介質(zhì)，首先獲取車(chē)載單目相機(jī)實(shí)時(shí)拍攝的原始待檢測(cè)RGB圖像；對(duì)所述原始待檢測(cè)RGB圖像進(jìn)行預(yù)處理，得到自適應(yīng)縮放圖像；將所述自適應(yīng)縮放圖像輸入預(yù)設(shè)雙頭單目目標(biāo)檢測(cè)模型中，得到所述預(yù)設(shè)雙頭單目目標(biāo)檢測(cè)模型輸出的冗余目標(biāo)參數(shù)預(yù)測(cè)值；對(duì)所述冗余目標(biāo)參數(shù)預(yù)測(cè)值進(jìn)行后處理，得到原始待檢測(cè)RGB圖像的高置信檢測(cè)結(jié)果。本發(fā)明能夠提高自動(dòng)駕駛系統(tǒng)的全場(chǎng)景目標(biāo)識(shí)別準(zhǔn)確率和可靠性。

本發(fā)明授權(quán)雙頭解耦對(duì)齊的全場(chǎng)景目標(biāo)檢測(cè)方法、系統(tǒng)、裝置及介質(zhì)在權(quán)利要求書(shū)中公布了：1.雙頭解耦對(duì)齊的全場(chǎng)景目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟：S1：獲取車(chē)載單目相機(jī)實(shí)時(shí)拍攝的原始待檢測(cè)RGB圖像；S2：對(duì)所述原始待檢測(cè)RGB圖像進(jìn)行預(yù)處理，得到自適應(yīng)縮放圖像；S3：將所述自適應(yīng)縮放圖像輸入預(yù)設(shè)雙頭單目目標(biāo)檢測(cè)模型中，得到所述預(yù)設(shè)雙頭單目目標(biāo)檢測(cè)模型輸出的冗余目標(biāo)參數(shù)預(yù)測(cè)值；所述S3中雙頭單目目標(biāo)檢測(cè)模型通過(guò)模型結(jié)構(gòu)搭建以及權(quán)重離線訓(xùn)練兩個(gè)步驟進(jìn)行預(yù)先設(shè)置；所述模型結(jié)構(gòu)包括：特征提取網(wǎng)絡(luò)和雙頭目標(biāo)檢測(cè)網(wǎng)絡(luò)，其中，所述特征提取網(wǎng)絡(luò)的主干為DLA-34深層聚合網(wǎng)絡(luò)，所述DLA-34深層聚合網(wǎng)絡(luò)采用形變卷積提取感興趣目標(biāo)特征；所述雙頭目標(biāo)檢測(cè)網(wǎng)絡(luò)包含一個(gè)特征過(guò)渡網(wǎng)絡(luò)和兩個(gè)檢測(cè)頭，所述特征過(guò)渡網(wǎng)絡(luò)結(jié)合Ghost卷積與形變卷積，所述兩個(gè)檢測(cè)頭的結(jié)構(gòu)均包括卷積層、批歸一化層、激活函數(shù)層及卷積層，且所述兩個(gè)檢測(cè)頭對(duì)目標(biāo)屬性參數(shù)采用不同的預(yù)測(cè)方式；S4：對(duì)所述冗余目標(biāo)參數(shù)預(yù)測(cè)值進(jìn)行后處理，得到原始待檢測(cè)RGB圖像的高置信檢測(cè)結(jié)果；具體包括：S4.1：利用所用車(chē)載單目相機(jī)的內(nèi)部參數(shù)，對(duì)預(yù)設(shè)雙頭單目目標(biāo)檢測(cè)模型輸出的冗余目標(biāo)參數(shù)預(yù)測(cè)值進(jìn)行投影變換，得到原始待檢測(cè)RGB圖像坐標(biāo)系下全場(chǎng)景目標(biāo)的類(lèi)別、尺寸、姿態(tài)及位置的冗余預(yù)測(cè)值；S4.2：利用改進(jìn)Soft-NMS函數(shù)對(duì)原始待檢測(cè)RGB圖像坐標(biāo)系下全場(chǎng)景目標(biāo)的尺寸、姿態(tài)及位置的冗余預(yù)測(cè)值進(jìn)行篩選，濾除置信度低于預(yù)設(shè)值的冗余目標(biāo)參數(shù)預(yù)測(cè)值，得到原始待檢測(cè)RGB圖像的高置信檢測(cè)結(jié)果，改進(jìn)Soft-NMS函數(shù)的表達(dá)式如下： 其中，為原始待檢測(cè)RGB圖像中第個(gè)全場(chǎng)景目標(biāo)的檢測(cè)結(jié)果置信分?jǐn)?shù)，、分別為最大置信目標(biāo)三維投影框和第個(gè)目標(biāo)三維投影框，、分別為最大置信目標(biāo)深度和第個(gè)目標(biāo)深度，為目標(biāo)深度閾值，、均為常數(shù)，為三維投影框的交并比函數(shù)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人西安交通大學(xué)，其通訊地址為：710049 陜西省西安市碑林區(qū)咸寧西路28號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。