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！

龙图腾网获悉江西师范大学申请的专利一种基于多模态特征自适应渐进融合的道路分割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：CN119399478B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202411979125.3，技术领域涉及：G06V10/26；该发明授权一种基于多模态特征自适应渐进融合的道路分割方法是由方嘉成;吴水秀;徐志航;万嘉诚;胡志豪;张磊设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于多模态特征自适应渐进融合的道路分割方法在说明书摘要公布了：本发明公开了一种基于多模态特征自适应渐进融合的道路分割方法，包括如下步骤：构建道路图像分割数据集，所述道路图像分割数据集内包括若干拍照获取的道路RGB图像和激光雷达获取的道路深度图像；构建道路分割模型，所述道路分割模型由RGB信息编码模块、深度信息编码模块、特征转换模块、特征渐进自适应融合模块和多尺度特征解码模块组成；将道路RGB图像和道路深度图像输入道路分割模型中进行融合分割，得到最终道路分割结果；本发明通过独特设计的特征转换模块和特征渐进自适应融合模块，使得深度信息能够动态地补充RGB信息，从而提升了道路分割模型在复杂场景下的精度和鲁棒性，尤其在低光照、遮挡和动态环境中表现更为优秀。

本发明授权一种基于多模态特征自适应渐进融合的道路分割方法在权利要求书中公布了：1.一种基于多模态特征自适应渐进融合的道路分割方法，其特征在于，包括如下步骤： 步骤S1：构建道路图像分割数据集，所述道路图像分割数据集内包括若干拍照获取的道路RGB图像和激光雷达获取的道路深度图像； 步骤S2：构建道路分割模型，所述道路分割模型由RGB信息编码模块、深度信息编码模块、特征转换模块、特征渐进自适应融合模块和多尺度特征解码模块组成；所述RGB信息编码模块由结合Agent注意力机制的P2T网络构成，简称AgentP2T网络；AgentP2T网络由结构相同的4个层组成；所述深度信息编码模块采用ResNet网络，ResNet网络由依次连接的5个层组成，ResNet网络的5个层结构相同；所述多尺度特征解码模块由结构相同的4个层组成； 步骤S3：将道路深度图像先进行表面法线提取，得到表面法线特征，再将表面法线特征输入到深度信息编码模块逐层进行提取，得到每层的道路深度特征信息； 步骤S4：将道路RGB图像输入到RGB信息编码模块的第1层中进行特征提取，得到第1层的道路RGB特征信息； 步骤S5：将深度信息编码模块第2层提取的道路深度特征信息和RGB信息编码模块第1层提取的道路RGB特征信息对应输入到特征转换模块中，得到第一改进深度特征信息，将第一改进深度特征信息和RGB信息编码模块第1层提取的道路RGB特征信息输入到特征渐进自适应融合模块，得到第一融合特征信息，将第一融合特征信息作为RGB信息编码模块第2层的输入，依次类推，得到第二融合特征信息、第三融合特征信息和第四融合特征信息； 步骤S6：将第四融合特征信息和第三特征融合信息输入到多尺度特征解码模块的第1层，得到一级上采样特征，将一级上采样特征和第二特征融合信息输入到多尺度特征解码模块的第2层得到二级上采样特征，将二级上采样特征和第一特征融合信息输入到多尺度特征解码模块的第3层得到三级上采样特征，将三级上采样特征和深度信息编码模块第1层提取的道路深度特征信息D1输入到多尺度特征解码模块的第4层得到四级上采样特征，将四级上采样特征经过激活函数后得到道路分割模型的最终输出，即最终道路分割结果； 将第一改进深度特征信息和第1层的道路RGB特征信息输入到特征渐进自适应融合模块，得到第一融合特征信息的具体过程为：特征渐进自适应融合模块首先通过特征相加的方式对和进行拼接操作，将拼接操作后的输出输入到门控注意力机制AG模块，门控注意力机制AG模块由通道注意力和空间注意力组成，通过通道注意力和空间注意力将融合操作后的输出生成注意力图，表示为： ； ； ； ； 式中，为和拼接操作后的输出；为拼接操作；和分别为经过通道注意力和空间注意力后的输出；为批量归一化层；为3×3卷积；为激活函数；为逐元素相乘操作；为激活函数； 将生成的注意力图对和进行加权，将加权后的和进行相加，得到第一融合特征信息，表示为： ； ； ； 式中，表示被注意力图加权后的输出；表示被注意力图加权后的输出。

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西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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”。