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！

龙图腾网获悉北京航空航天大学申请的专利一种自动驾驶多传感数据自监督预训练及融合感知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：CN120409601B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510896976.X，技术领域涉及：G06N3/0895；该发明授权一种自动驾驶多传感数据自监督预训练及融合感知方法是由林椿眄;张文泽;田大新;段续庭;周建山设计研发完成，并于2025-07-01向国家知识产权局提交的专利申请。

本一种自动驾驶多传感数据自监督预训练及融合感知方法在说明书摘要公布了：本申请公开了一种自动驾驶多传感数据自监督预训练及融合感知方法，涉及图像‑点云传感数据融合、多模态特征自监督预训练及表征重建和多源信息融合领域，该方法对图像‑雷达多传感数据进行处理，形成三维点云体素表征与图像块，并生成特征嵌入向量；通过随机掩码操作得到特征掩码集合，提升特征学习的鲁棒性；通过多传感数据交互模块及空间投影变换，并利用重构分支进行场景重建，恢复原始特征，以自监督方式学习最优的像素‑点云融合特征；最后，设计基于代理注意力机制的图像‑点云融合感知算法，通过代理标记桥接全局上下文信息，充分挖掘多传感器数据互补特性，提升异构信息融合效果及环境感知表现。

本发明授权一种自动驾驶多传感数据自监督预训练及融合感知方法在权利要求书中公布了：1.一种自动驾驶多传感数据自监督预训练及融合感知方法，其特征在于，所述自动驾驶多传感数据自监督预训练及融合感知方法，包括： 对多传感数据进行处理，得到体素化点云数据和图像块，并将所述体素化点云数据和所述图像块嵌入为标记，得到体素化点云数据标记和图像数据标记；多传感数据包括激光雷达点云数据和图像数据； 对所述体素化点云数据标记和所述图像数据标记进行掩码，得到图像特征和点云特征，构造掩码后的标记集； 将标记集中的图像特征和点云特征进行投影，得到图像特征和点云特征在相机视图图像上的位置； 基于多传感数据交互模块，根据图像特征和点云特征在视图图像上的位置，将图像特征和点云特征进行融合，得到融合特征； 将所述融合特征进行反投影，并基于图像特征分支和点云特征分支进行场景重建，得到新的场景； 基于所述新的场景，通过代理标记将所述新的场景的全局信息进行桥接，实现多传感数据的融合； 所述基于多传感数据交互模块，根据图像特征和点云特征在视图图像上的位置，将图像特征和点云特征进行融合，得到融合特征，具体包括： 将图像特征和点云特征进行拼接形成查询向量； 将所述查询向量输入到多传感数据交互模块进行特征交互，得到多模态交互特征；所述多模态交互特征为融合特征； 所述将所述融合特征进行反投影，并基于图像特征分支和点云特征分支进行场景重建，得到新的场景，具体包括： 对于激光雷达分支，根据点云特征在视图图像上的位置的掩码的每个体素在自车坐标系中的采样位置，投影回3D体积空间，获取相应的3D特征；所述激光雷达分支为点云特征分支； 基于所述激光雷达分支，利用重建点云像素；其中，为chamfer损失函数；为Chamfer距离函数；为体素解码器；为投影的体素特征；为划分为体素的掩码LiDAR点云； 对于相机分支，利用投影函数将图像特征在视图图像上的位置的3D体素特征投影到2D平面特征；所述相机分支为图像特征分支；所述3D体素特征为3D特征； 基于所述图像特征分支，利用公式重建图像像素；其中，为图像重建的损失，为均方差损失MSE，为像素空间中的原始图像；为图像解码器；为投影的图像特征； 根据所述点云像素以及所述图像像素，得到新的场景。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。