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！

龙图腾网恭喜武汉理工大学申请的专利一种基于视觉传感与轨迹预测的高空抛物预警系统及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：CN114299106B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202111066314.8，技术领域涉及：G06T7/246；该发明授权一种基于视觉传感与轨迹预测的高空抛物预警系统及方法是由胡甫才;崔凯歌;汪正华;喻煜;王泽成;徐旻钰;崔新原;骆昊源设计研发完成，并于2021-09-13向国家知识产权局提交的专利申请。

本一种基于视觉传感与轨迹预测的高空抛物预警系统及方法在说明书摘要公布了：本发明公开了一种基于视觉传感与轨迹预测的高空抛物预警系统及方法，该方法包括：通过双目摄像头视频监控获取图像；接收端应用基于inceptionv4的基础上再训后的卷积神经网络算法，识别高空坠落物体类别；无威胁模式时系统保持待机状态；有威胁模式时，在识别坠物的同时，通过针对其可能的受力模式进行分析所建立的数学模型，对双摄像头所接收到的数据使用卡尔曼滤波法进行联合预测，预测出物体落点坐标并进行传输；接收到坐标的声光预警模块迅速处理数据，在坠物落地前使用醒目的激光灯对落点进行标注并辅以声音报警来对行人进行提醒，并使用拦网进行拦截，避免行人受到伤害。本发明能对高空抛物的状况及时检测并预警，保障人员安全，降低事故发生风险。

本发明授权一种基于视觉传感与轨迹预测的高空抛物预警系统及方法在权利要求书中公布了：1.一种基于视觉传感与轨迹预测的高空抛物预警方法，其特征在于，该方法包括以下步骤：步骤1、通过双目摄像头视频监控获取图像，使用灰度化和高斯滤波方法对初始图像进行形态学处理；步骤2、通过5G通讯模块传输数据，接收端应用基于inceptionv4的基础上再训后的卷积神经网络算法，识别高空坠落物体类别，将其分为无威胁和有威胁两种模式；步骤3、无威胁模式时系统保持待机状态，减少因环境因素或微小扰动导致的误触发的情况，减少能源和系统本身的损耗；进入有威胁模式时，在识别坠物的同时，通过针对其可能的受力模式进行分析所建立的数学模型，对双摄像头所接收到的数据使用卡尔曼滤波法进行联合预测，预测出物体落点坐标并进行传输；步骤4、接收到坐标的声光预警模块迅速处理数据，在坠物落地前使用醒目的激光灯对落点进行标注并辅以声音报警来对行人进行提醒，并使用拦网进行拦截，避免行人受到伤害；所述步骤3中使用卡尔曼滤波法进行联合预测，其方法为：准备过程：计算i时刻位置真实值和位置预估值之间的误差 是i时刻的预测值,Xi是i时刻的实际值，误差计算出来后，接着可以根据误差计算得到协方差矩阵： 建模实施：首先建立时间更新方程： 其中Ui是输入量，即输入的位置信息，是i时刻的预测值；A是一个状态转移矩阵，B是一个增益矩阵；Wi是一个设定的噪声；建立误差相关矩阵P，用来判断估计值是否准确： Q是一个关于系统噪声的协方差矩阵，是一个不断变化的值；Pi是估计误差的协方差矩阵，是预测误差的协方差矩阵；以上是预测过程；计算得到相应时刻的预测值后，对预测值做矫正；这个过程是对测量值和真实值做一个比较和进一步的数据更新； 其中是测量余量，Zi是测量值；计算必要的卡尔曼增益：卡尔曼滤波本身是一种最小均方差，均方差是Pi的迹，所以对于求预测误差协方差的式子求迹得到一个关于的等式，最优估计的值使得Pi的求迹最小，对这个等式左右同时对求导，再利用矩阵微分的运算法则，令微分结果为零得到的计算表达式： 根据得到的卡尔曼增益可以用来求取并且更新预估量，对于i时刻的预估量，通常可以这样处理，即利用卡尔曼系数做一个运算从而得到卡尔曼预测值： 这样就完成了利用估计值和测量余量对卡尔曼估计值的一个更新；再更新协方差矩阵，同样的根据推导得到一个用卡尔曼增益表示的与预测误差协方差： 根据不断的迭代和递推，最后一直推算到Pn和Xn,完成一个完整的对轨迹上各个位置的估计；通过该模型根据目标物的情况随时更新其位姿信息，通过有效的回环检测而得到其修正后的轨迹，根据Matlab工具的仿真获得相关的数据信息，得到目标物落点区域。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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”。