買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京理工大學(xué)申請(qǐng)的專利一種基于復(fù)雜道路的多模態(tài)感知與決策方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119495067B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411294263.8，技術(shù)領(lǐng)域涉及：G06V20/56；該發(fā)明授權(quán)一種基于復(fù)雜道路的多模態(tài)感知與決策方法及系統(tǒng)是由范麗麗;曾昌賢;鄧方;王飛躍;陳晨;曹東璞;佘紅艷;顧惠楠設(shè)計(jì)研發(fā)完成，并于2024-09-14向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于復(fù)雜道路的多模態(tài)感知與決策方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于復(fù)雜道路的多模態(tài)感知與決策方法及系統(tǒng)，大模型通過預(yù)訓(xùn)練掌握通識(shí)知識(shí)后，使用惡劣駕駛環(huán)境的數(shù)據(jù)集進(jìn)行跨域?qū)W習(xí)，提升自動(dòng)駕駛系統(tǒng)的感知和決策能力；在大模型的跨域?qū)W習(xí)完成后，下游任務(wù)是自動(dòng)駕駛感知決策的信息來源，點(diǎn)云分割和3D目標(biāo)檢測為決策系統(tǒng)提供了駕駛周圍環(huán)境的物體信息；道路線檢測和裂分檢測利用道路信息決策系統(tǒng)確保車輛在安全且可行駛的道路上運(yùn)行；大模型在惡劣環(huán)境下遷移后，車輛的系統(tǒng)將更有泛化性，面對(duì)復(fù)雜且未知的場景也能做出正確的感知和決策；為了提高網(wǎng)絡(luò)的特征提取能力，本發(fā)明設(shè)置有三個(gè)依次串聯(lián)的transformers編碼器，解決了遷移學(xué)習(xí)和殘差結(jié)構(gòu)帶來的部分?jǐn)?shù)據(jù)偏移問題。

本發(fā)明授權(quán)一種基于復(fù)雜道路的多模態(tài)感知與決策方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于復(fù)雜道路的多模態(tài)感知與決策方法，其特征在于，包括： 首先輸入非結(jié)構(gòu)化道路的RGB圖像x和平面法線圖像y； 基于RGB圖像和平面法線圖像，分別得到圖像分片，然后進(jìn)行分片編碼，分別對(duì)應(yīng)得到分片向量x1和分片向量y1； 將分片向量x1和分片向量y1分別輸入到第一transformer編碼器中，分別得到x2和y2； 分片向量x1和y1輸入一層線性層，評(píng)估輸入的每一個(gè)分片特征的重要性，并輸出一個(gè)權(quán)重，對(duì)于m*n個(gè)分片特征，輸出m*n個(gè)特征權(quán)重，將該權(quán)重與分片特征進(jìn)行點(diǎn)乘，點(diǎn)乘后的RGB圖像分片特征和平面法線圖像分片特征相加得到特征z1； 特征z1送入三個(gè)串聯(lián)的矯正單元的第一個(gè)矯正單元；每個(gè)矯正單元由一個(gè)transformer編碼器與一個(gè)分布矯正模塊構(gòu)成；特征z1分成兩份，一份經(jīng)過transformer編碼器，一份在分布矯正模塊與可訓(xùn)練張量進(jìn)行點(diǎn)乘，將點(diǎn)乘后的結(jié)果與其并聯(lián)的transformer編碼器的輸入結(jié)果相加得到輸出結(jié)果z2，進(jìn)入下一個(gè)矯正單元，依次類推，在下兩個(gè)矯正單元中處理后得到輸出結(jié)果z3和z4； 將結(jié)果z2、z3和z4統(tǒng)一尺寸后，在特征維度上拼接后，經(jīng)過線性層得到最后的輸出結(jié)果out，即對(duì)圖像的預(yù)測結(jié)果； 其中，在對(duì)可訓(xùn)練張量進(jìn)行訓(xùn)練時(shí)，采用二分類交叉熵?fù)p失函數(shù)： 其中，是第i個(gè)訓(xùn)練樣本中，第j行，第k列位置處像素的預(yù)測概率，而是該像素位置對(duì)應(yīng)的真實(shí)概率標(biāo)簽；batch表示訓(xùn)練樣本的數(shù)量。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人北京理工大學(xué)，其通訊地址為：100081 北京市海淀區(qū)中關(guān)村南大街5號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。