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！

龙图腾网获悉南通大学申请的专利一种基于多尺度小波变换的BEVFusion工业巡检机器人定位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：CN120543636B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202510520659.8，技术领域涉及：G06T7/73；该发明授权一种基于多尺度小波变换的BEVFusion工业巡检机器人定位方法是由徐一鸣;祁宇;倪寅初;张典豪;丁子桁设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本一种基于多尺度小波变换的BEVFusion工业巡检机器人定位方法在说明书摘要公布了：本发明公开了一种基于多尺度小波变换的BEVFusion工业巡检机器人定位方法，通过离散小波变换对多模态传感器输入特征进行多频域分解，分离出低低频、高低频、低高频与高高频信息，并结合卷积神经网络以及全卷积神经网络，实现提取后特征的增强。具体而言，改进后的CNN对相机特征进行分解和增强，再通过逆小波变换重构相机特征，同时结合提取到的激光雷达点云特征，实现对相机和点云特征的融合，并通过改进后的RCNN深度融合相机和激光雷达特征。该方法的应用显著提升动态环境中的目标检测范围和语义分割能力，对工业机器人自主导航、高危环境设备监测及智能制造系统的多传感器协同感知等领域的应用发展提供了重要技术支撑。

本发明授权一种基于多尺度小波变换的BEVFusion工业巡检机器人定位方法在权利要求书中公布了：1.一种基于多尺度小波变换的BEVFusion工业巡检机器人定位方法，其特征在于，包括如下步骤： 步骤S1：采集相机图像数据和激光雷达点云数据作为多模态数据，并对图像数据执行颜色归一化、畸变校正和尺度调整；同时，对激光雷达点云数据进行去噪； 步骤S2：构建BEVFusion模型，使用融合多尺度小波变换的CNN来提取图像数据的图像特征，并结合视角变换将透视视角下的特征投影到鸟瞰视图BEV空间，使其符合鸟瞰视图BEV表示格式，得到相机BEV特征； 步骤S2具体为：首先使用基于Haar小波的DWT将相机图像进行分解： ； 其中，表示预处理后的图像特征；表示离散小波变换；分别表示低低频、低高频、高低频以及高高频分量；表示Haar小波的四个过滤器；随后，使用CNN提取并增强低低频、低高频、高低频以及高高频分量的特征： ； 其中，表示CNN提取并增强后的特征；表示深层CNN；表示浅层CNN； 采用逆小波变换IWT重构多尺度特征： ； 其中，表示重构后的相机图像特征；表示逆小波变换； 最后，通过基于单应性变换的视角变换将透视视角下的特征投影到BEV空间： ； 其中，表示单应性变换矩阵；表示相机内参矩阵；为旋转矩阵，表示相机相对于BEV视角的旋转关系；为平移向量，表示相机相对于BEV参考平面的偏移量；为法向量，表示BEV参考平面的方向；表示相机到BEV参考平面的距离；为相机特征的BEV表示，结合全局信息与细节信息并保持正确的几何关系； 步骤S3：使用SCN提取激光雷达点云数据的点云特征，将点云特征展开至鸟瞰视图BEV空间，并与相机BEV特征进行对齐；同时，采用插值方法和特征填充技术弥补BEV格网中的数据缺失，得到激光雷达BEV特征； 步骤S4：通过多尺度小波变换改进后的RCNN对相机BEV特征与激光雷达BEV特征进行融合，得到BEV融合特征； 步骤S5：使用目标检测头CenterPoint处理BEV融合特征，以实现3D目标检测；同时，利用U-Net预测道路元素，生成BEV语义地图，使工业巡检机器人具备环境感知能力； 步骤S6：训练BEVFusion模型，将训练好的BEVFusion模型转换为INT8量化模型和FP16模型，使其在工业巡检机器人定位任务中进行部署。

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通大学，其通讯地址为：226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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。