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！

龙图腾网获悉江苏电子信息职业学院;南京泓鑫耀教育科技有限公司申请的专利用于新能源汽车的机器视觉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：CN118506323B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202410684328.3，技术领域涉及：G06V20/58；该发明授权用于新能源汽车的机器视觉系统及方法是由余建明;蒋愚劼;华山设计研发完成，并于2024-05-30向国家知识产权局提交的专利申请。

本用于新能源汽车的机器视觉系统及方法在说明书摘要公布了：本发明公开了一种用于新能源汽车的机器视觉系统及方法，其通过部署于新能源汽车的多个摄像头实时采集多个车辆视角环境图像，并在后端引入基于人工智能的图像处理和分析算法来进行这些车辆视角环境图像的协同和相关性分析，以此来识别车辆周围环境的其他车辆、行人和物体等目标对象，并根据环境中不同目标对象的重要性和相关性关系来更为准确地创建车辆周围环境的详细地图。这样，能够克服传统感知方案存在的传感器价格高昂、探测范围有限以及无法提供有关目标对象类型的语义信息的问题，从而基于机器视觉系统来提高新能源车辆的周围环境感知能力。

本发明授权用于新能源汽车的机器视觉系统及方法在权利要求书中公布了：1.一种用于新能源汽车的机器视觉系统，其特征在于，包括：车辆视角环境图像采集模块，用于获取由部署于新能源汽车的多个摄像头采集的多个车辆视角环境图像；目标对象检测模块，用于将所述多个车辆视角环境图像通过基于YOLO网络的多目标对象检测器以得到多个目标对象感兴趣区域图像；目标感兴趣区域划分模块，用于将所述多个目标对象感兴趣区域图像中的各个目标对象感兴趣区域图像按照目标对象所在区域进行划分以得到多个目标对象感兴趣局部区域图像的序列；目标感兴趣区域全局语义特征提取模块，用于对所述多个目标对象感兴趣局部区域图像的序列进行特征提取和感兴趣区域全局语义融合表征以得到多个目标对象感兴趣区域全局语义特征向量；车辆多方位视角环境语义融合表征模块，用于将所述多个目标对象感兴趣区域全局语义特征向量通过基于信息传递网络的目标对象语义特征信息传递强化模块以得到多方位车辆环境语义融合表征特征向量作为多方位车辆环境语义融合表征特征；周围环境地图生成模块，用于基于所述多方位车辆环境语义融合表征特征，生成新能源汽车的周围环境地图；所述目标感兴趣区域全局语义特征提取模块，包括：目标对象感兴趣局部区域特征提取单元，用于将所述多个目标对象感兴趣局部区域图像的序列通过基于卷积神经网络模型的目标对象特征提取器以得到多个目标对象感兴趣局部区域特征向量的序列；感兴趣区域全局语义关联单元，用于将所述多个目标对象感兴趣局部区域特征向量的序列通过基于自相关显著化网络的感兴趣区域多目标特征融合器以得到所述多个目标对象感兴趣区域全局语义特征向量；所述感兴趣区域全局语义关联单元，用于：将每个所述目标对象感兴趣局部区域特征向量的序列通过所述基于自相关显著化网络的感兴趣区域多目标特征融合器以如下自相关显著化融合公式进行处理以得到所述目标对象感兴趣区域全局语义特征向量；其中，所述自相关显著化融合公式为： 其中，hi为所述目标对象感兴趣局部区域特征向量的序列中的第i个目标对象感兴趣局部区域特征向量，和Wi分别表示权重系数向量和权重系数矩阵，Bi为偏移向量，Selu·表示Selu函数，ei为第i个所述目标对象感兴趣局部区域特征向量的注意力打分值，λ和α都为超参数，softmax·表示softmax函数，t为所述目标对象感兴趣局部区域特征向量的序列中向量的个数，V为所述目标对象感兴趣区域全局语义特征向量；所述车辆多方位视角环境语义融合表征模块，用于：将所述多个目标对象感兴趣区域全局语义特征向量通过所述基于信息传递网络的目标对象语义特征信息传递强化模块以如下信息传递强化公式进行处理以得到所述多方位车辆环境语义融合表征特征向量；其中，所述信息传递强化公式为： 其中，xi和xj分别表示所述多个目标对象感兴趣区域全局语义特征向量中的第i个和第j个目标对象感兴趣区域全局语义特征向量，gxj表示xj与xi之间相隔的特征向量的数量，fxi,xj表示xj与xi之间相似度，M表示所述多个目标对象感兴趣区域全局语义特征向量中特征向量的总数，n与M的数值相等，V表示所述多方位车辆环境语义融合表征特征向量。

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江苏电子信息职业学院;南京泓鑫耀教育科技有限公司，其通讯地址为：223005 江苏省淮安市高教园区枚乘东路3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”。