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！

龙图腾网恭喜湖南工商大学申请的专利一种基于转换图神经网络的无人机多模态数据融合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：CN119251635B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411775205.7，技术领域涉及：G06V10/80；该发明授权一种基于转换图神经网络的无人机多模态数据融合方法是由陈晓红;王煜坤;徐雪松;刘琪;霍杨杰设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于转换图神经网络的无人机多模态数据融合方法在说明书摘要公布了：本申请涉及一种基于转换图神经网络的无人机多模态数据融合方法，包括：基于第一全局特征、第二全局特征、第三全局特征构建图结构；对图结构中的节点进行第一轮节点更新；通过定量分析和定性分析确定节点更新的聚合效果，聚合效果包括良好或不佳；聚合效果为良好时，对图结构中的节点进行第二轮节点更新，并确定第二轮节点更新的聚合效果；聚合效果为不佳时，对第一轮节点更新后的图结构进行转换，对转换后的图结构中的节点进行第二轮节点更新，并确定第二轮节点更新的聚合效果；基于第二轮节点更新的聚合效果确定节点更新方式进行第三轮节点更新，三轮节点更新完成后，得到无人机多模态融合特征。

本发明授权一种基于转换图神经网络的无人机多模态数据融合方法在权利要求书中公布了：1.一种基于转换图神经网络的无人机多模态数据融合方法，其特征在于，包括：S1：对无人机收集的RGB图像、激光雷达点云图像、红外图像进行特征提取，分别得到第一全局特征、第二全局特征、第三全局特征；S2：基于第一全局特征、第二全局特征、第三全局特征构建图结构；S2.1：将所述第一全局特征、所述第二全局特征、所述第三全局特征整合至特征矩阵；所述特征矩阵表示为： ；其中，X表示特征矩阵；表示第一全局特征中第1个节点的特征向量；表示第一全局特征中第2个节点的特征向量；表示第一全局特征中第N个节点的特征向量；表示第二全局特征中第1个节点的特征向量；表示第二全局特征中第2个节点的特征向量；表示第二全局特征中第M个节点的特征向量；表示第三全局特征中第1个节点的特征向量；表示第三全局特征中第2个节点的特征向量；表示第三全局特征中第O个节点的特征向量；S2.2：根据各节点之间的连接关系构建邻接矩阵；当两节点直接连接时，边的权重取值为1；当两节点不直接相连时，边的权重取值为0；所述邻接矩阵表示为： ；其中，A表示邻接矩阵；表示第1个节点与第1个节点之间边的权重；表示第1个节点与第2个节点之间边的权重；表示第1个节点与第V个节点之间边的权重；表示第2个节点与第1个节点之间边的权重；表示第2个节点与第2个节点之间边的权重；表示第2个节点与第V个节点之间边的权重；表示第V个节点与第1个节点之间边的权重；表示第V个节点与第2个节点之间边的权重；表示第V个节点与第V节点之间边的权重；V为节点总数；S2.3：根据各节点相连的边的权重总和构建度矩阵；所述度矩阵表示为： ； ；其中，D表示度矩阵；表示第1个节点的度；表示第2个节点的度；表示第V个节点的度；表示第i个节点的度；表示第i个节点与第j个节点之间边的权重；S2.4：基于所述度矩阵对所述邻接矩阵进行归一化处理，得到归一化的邻接矩阵；计算公式为： ；其中，表示归一化的邻接矩阵；S2.5：将所述归一化的邻接矩阵、所述度矩阵以及所述特征矩阵结合，得到所述图结构；S3：对图结构中的节点进行第一轮节点更新；S3.1：基于归一化的邻接矩阵对初始的特征矩阵进行特征聚合，得到聚合的特征矩阵；计算公式为： ；其中，表示聚合的特征矩阵；表示归一化的邻接矩阵；表示初始的特征矩阵；S3.2：将所述聚合的特征矩阵通过图卷积核进行转换，并添加偏置，得到转换的特征矩阵；计算公式为： ；其中，表示转换的特征矩阵；表示图卷积核；表示偏置；S3.3：对所述转换的特征矩阵进行非线性激活，得到激活的特征矩阵；计算公式为： ；其中，表示激活的特征矩阵；表示非线性激活函数；S3.4：学习所述激活的特征矩阵中每个节点的重要性权重向量；基于所述激活的特征矩阵中节点的特征向量以及重要性权重向量，更新特征矩阵中节点的特征向量；计算公式为： ； ；其中，表示更新后的特征矩阵中第i个节点的特征向量；表示激活的特征矩阵中第i个节点的重要性权重向量；表示激活的特征矩阵中第i个节点的特征向量；表示哈达玛积；S3.5：整合所有更新的特征向量得到更新后的特征矩阵；更新后的特征矩阵表示为： ；其中，表示更新后的特征矩阵；表示更新后的特征矩阵中第1个节点的特征向量；表示更新后的特征矩阵中第2个节点的特征向量；表示更新后的特征矩阵中第N个节点的特征向量；S4：通过定量分析和定性分析确定节点更新的聚合效果，聚合效果包括良好或不佳；聚合效果为良好时，对图结构中的节点进行第二轮节点更新，并确定第二轮节点更新的聚合效果；聚合效果为不佳时，对第一轮节点更新后的图结构进行转换，对转换后的图结构中的节点进行第二轮节点更新，并确定第二轮节点更新的聚合效果；S5：基于第二轮节点更新的聚合效果确定节点更新方式进行第三轮节点更新，三轮节点更新完成后，得到无人机多模态融合特征。

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湖南工商大学，其通讯地址为：410205 湖南省长沙市岳麓区岳麓大道569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”。