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！

龙图腾网获悉北京大学申请的专利基于鸟瞰图对比学习的自动驾驶多模态自监督预训练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：CN115205633B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202210889746.7，技术领域涉及：G06V10/774；该发明授权基于鸟瞰图对比学习的自动驾驶多模态自监督预训练方法是由王勇涛;林志威;汤帜设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。

本基于鸟瞰图对比学习的自动驾驶多模态自监督预训练方法在说明书摘要公布了：本发明公开了一种基于鸟瞰图对比学习的自动驾驶多模态自监督预训练方法，属于计算机视觉技术领域。该方法利用不同的数据增广对LiDAR点云数据和图像数据进行变换，经过网络分别提取特征后，将两个模态特征投影到同一个鸟瞰图BEV空间中，之后利用反变换将两者的特征对齐，通过细粒度的对比学习来使得网络能够学习到通用的LiDAR点云和图像表征。在实际应用中，训练得到的具有强表征能力的网络能够被应用在多种自动驾驶的下游任务中，包括但不限于3d目标检测、3d实例分割、语义分割等任务。上述预训练的网络能够被用来初始化检测器的骨干网络，加速模型在训练时的收敛速度，同时提高网络性能。

本发明授权基于鸟瞰图对比学习的自动驾驶多模态自监督预训练方法在权利要求书中公布了：1.一种自动驾驶多模态自监督预训练方法，其特征在于，包括如下步骤： 1根据所需要的任务，选择针对LiDAR点云输入和图像输入的两个骨干网络，且在图像骨干网络额外增加一个深度预测器； 2构建多模态数据增广策略； 3将自动驾驶数据输入到步骤2中的多模态数据增广策略中，得到增广后的数据，再将该数据输入到对应模态的骨干网络中，得到对应模态的特征表示，并将图像的特征表示输入到深度预测器中，获得图像表征在像素空间上的深度图； 4构建多模态鸟瞰图特征，利用步骤3中获得的深度图，将2维图像表征转换为3维图像表征，同时利用LiDAR空间和像素空间的转换矩阵，将3维图像表征转换到LiDAR空间，之后压缩操作，将转换空间后的3维图像表征和原本的LiDAR表征转换为鸟瞰图表示； 5多模态鸟瞰图特征对齐，对两个模态的鸟瞰图特征用逆数据变换进行变换，得到对齐的鸟瞰图特征； 6多模态细粒度对比学习，将两个模态鸟瞰图特征的余弦相似度与绝对距离作为权重，利用匈牙利算法对两个模态的鸟瞰图表征进行匹配，将匹配上的表征作为正样本，非匹配表征作为负样本，进行对比学习，实现自动驾驶多模态自监督预训练。

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北京大学，其通讯地址为：100871 北京市海淀区颐和园路5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”。