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！

龙图腾网获悉南京工业大学申请的专利一种遮挡感知的道路智能提取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：CN121236618B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511357073.0，技术领域涉及：G06V20/13；该发明授权一种遮挡感知的道路智能提取方法是由宫金杞;周俊亦;王宗晨;王铁;张乾设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本一种遮挡感知的道路智能提取方法在说明书摘要公布了：本发明公开了一种遮挡感知的道路智能提取方法，本发明的方法首先获取待提取道路区域的遥感影像，通过多层次深度分析，得到整合全局和局部信息的特征图；对编码获取的特征图，利用水平、垂直及双对角线方向的条状卷积操作，建立交叉通道间的关联性，结合多方向特征和交叉通道相关性，生成注意力权重得到优化特征；最后经由解码器产出深度特征，采用跳跃连接把优化特征与深度特征进行融合，通过由分割基础损失、结构连续性损失和边界精度损失结合得到的形态结构感知约束预测结果的合理性，基于多层次监督完成道路的自动提取。本发明适用于自动驾驶、城市规划、地理信息系统构建等领域的道路信息自动提取。

本发明授权一种遮挡感知的道路智能提取方法在权利要求书中公布了：1.一种遮挡感知的道路智能提取方法，其特征在于，该方法包括如下步骤： S1.密集编码特征提取与多尺度融合：获取待提取道路区域的遥感影像，基于Link-Net骨干网络架构，组合残差编码和密集卷积单元，将浅层特征直接传递至深层，强制特征复用，减少信息损失增强表达能力，并在网络末端引入多尺度融合模块，通过多层次深度分析，得到整合全局和局部信息的特征图； S2.双十字条状注意力优化：对步骤S1编码获取的特征图，利用水平、垂直及双对角线方向的条状卷积操作，建立交叉通道间的关联性，结合多方向特征和交叉通道相关性，生成注意力权重得到优化特征；所述的双十字条状注意力优化具体包括如下子步骤： S21.多方向条状卷积的特征提取：对步骤S1输出的特征图采用水平、垂直、45°对角线、135°对角线四种条状卷积核，分别捕捉不同方向的道路特征，其中水平条状卷积核H的尺寸为1×k，k表示感受野大小，取值范围为[3,15]，仅在水平方向滑动，响应水平延伸的道路；垂直条状卷积核V的尺寸为k×1，响应垂直延伸的道路；45°对角线条状卷积核D1的尺寸为k×k，权重集中在45°对角线方向，响应斜向道路；135°对角线条状卷积核D2的尺寸为k×k，权重集中在135°对角线方向，响应反向斜向道路； 对于输入特征图，C为通道数，H、W分别为高、宽，经四种条状卷积后得到四个方向的特征图： ， 其中，表示水平条状卷积后输出的水平方向的特征图，表示对特征图F进行水平方向的卷积操作，表示垂直条状卷积后输出的垂直方向的特征图，表示对特征图F进行垂直方向的卷积操作，表示45°对角线条状卷积后输出的45°对角线方向的特征图，表示表示对特征图F进行45°对角线方向的卷积操作，表示135°对角线条状卷积后输出的135°对角线方向的特征图，表示表示对特征图F进行135°对角线的卷积操作； S22.交叉相关性的通道关联建模：对步骤S21进行水平条状卷积后输出的水平方向的特征图，将空间维度压缩为向量，得到通道特征向量，其中为通道索引，则任意两通道,的交叉相关性为： ， 其中，表示水平方向的特征图中任意两条通道,的交叉相关性；表示通道特征向量；表示通道特征向量；表示范数；为内积，结果范围[-1,1]，值越大表示两通道在水平方向的特征一致性越高； 同理，对步骤S21得到的垂直方向的特征图、45°对角线方向的特征图、135°对角线方向的特征图分别将空间维度压缩为向量并进行任意两通道,的交叉相关性计算，得到垂直方向的特征图中任意两条通道,的交叉相关性、45°对角线方向的特征图中任意两条通道,的交叉相关性、135°对角线方向的特征图中任意两条通道,的交叉相关性，对这四个方向的相关性矩阵取平均，得到综合通道关联矩阵： ， 其中，越大，说明通道与在四个方向上的特征一致性越强，可能共同编码道路特征； S23.基于步骤S22得到的综合通道关联矩阵，计算每个通道的重要性，获取通道注意力： ， 其中，表示通道注意力，表示通道和之间的关联矩阵，为Sigmiod函数，为可学习参数，为原始特征图的通道向量，值越高，表明该通道包含的道路特征越显著； 对四个方向的特征图进行加权融合，生成空间注意力图： ， 其中为空间坐标，为可学习参数，输出[0,1]权重，值越高表明位置属于道路的可能性越大； 最终注意力图通过通道注意力与空间注意力的乘积实现： ； S3.形态结构感知的多层次监督预测：经由解码器产出深度特征，采用跳跃连接把优化特征与深度特征进行融合，通过由分割基础损失、结构连续性损失和边界精度损失结合得到的形态结构感知约束预测结果的合理性，基于多层次监督完成道路的自动提取。

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南京工业大学，其通讯地址为：211816 江苏省南京市浦口区浦珠南路30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”。

以上内容由龙图腾AI智能生成。