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！

龙图腾网获悉吉林大学申请的专利基于异构数据融合的自动驾驶系统长尾图像生成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：CN121708151B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610206867.5，技术领域涉及：G06T11/60；该发明授权基于异构数据融合的自动驾驶系统长尾图像生成方法是由赵健;李文旭;朱冰;张培兴;黄殷梓设计研发完成，并于2026-02-12向国家知识产权局提交的专利申请。

本基于异构数据融合的自动驾驶系统长尾图像生成方法在说明书摘要公布了：本发明属于自动驾驶测试技术领域，具体的说是一种基于异构数据融合的自动驾驶系统长尾图像生成方法。包括以下步骤：S1、提取用于异构数据融合的数据输入信息；S2、选取预训练扩散模型作为异构数据融合主干网络，拆解其推理扩散过程，构建第一阶段的推理管道；S3、对扩散模型中间融合特征进行细化增强处理；S4、开发第二阶段的推理管道；S5、对长尾图像样本进行筛选与去重，建立高质量的长尾图像数据库；本发明的成果可建立长尾图像数据库，用于自动驾驶感知系统的高效、高覆盖率测试需求，加速自动驾驶汽车的产业化落地。

本发明授权基于异构数据融合的自动驾驶系统长尾图像生成方法在权利要求书中公布了：1.一种基于异构数据融合的自动驾驶系统长尾图像生成方法，其特征在于，包括以下步骤： S1、提取用于异构数据融合的数据输入信息； 以公开自然驾驶数据及采集自然驾驶数据为输入，提取图像构建待融合自然驾驶图像集合，通过掩码分割方法提取注入对象集合，构建异构数据融合提示词； S2、选取预训练扩散模型作为异构数据融合主干网络，拆解其推理扩散过程，构建第一阶段的推理管道； 选取预训练扩散模型作为主干网络，编码异构输入数据信息，对模型推理过程进行拆解，构建包含加权注意力机制的第一阶段推理管道，获取扩散模型的中间融合特征； S3、对扩散模型中间融合特征进行细化增强处理； 从注入对象token中提取注意力响应，得到注入对象注意力图，在注入边界框的空间约束下获取注入对象粗掩码，并输入分割模型进行细化，得到精确注入掩码； S4、开发第二阶段的推理管道； 开发第二阶段的推理管道，在潜在空间执行特征融合，即将源潜变量与目标潜变量按精确掩码进行潜在空间融合； S5、对长尾图像样本进行筛选与去重，建立高质量的长尾图像数据库； 对长尾图像样本进行筛选与去重，并为生成图像加入包括类别、边界框、精确掩码及源场景信息在内的标签，建立高质量的长尾图像数据库； 所述S1的具体方法如下： S11、基于自然驾驶数据构建待融合自然驾驶图像集合； 以公开自然驾驶数据nuScenes及采集自然驾驶数据为输入，从中提取源场景图像，对每帧图像执行清晰度筛选，采用拉普拉斯方差评价源场景图像的清晰度，如式1所示： 1 式中，为源图像；为拉普拉斯算子；为方差计算符；为清晰度评分；低于阈值的源场景图像则被剔除，对源场景图像进行清晰度筛选后，统一保留图像的分辨率与数值范围，如式2所示： 2 式中，为缩放到目标分辨率,；为目标图像高度；为目标图像宽度；为归一化操作；记录场景信息，最终与合并构建得到待融合自然驾驶图像集合，如式3所示： 3 式中，为待融合自然驾驶图像集合中的样本数量；为样本索引； S12、基于掩码分割技术提取注入对象集合； 基于自然驾驶数据及外部实例数据库构建注入对象集合，集合中的每个对象包含素材图像、对象掩码及对象类别，对象掩码通过检测技术与分割模型进行提取，如式4所示： 4 式中，为分割模型，采用SegmentAnythingModel分割模型；为输入图像；为对象边界框；为输出掩码；为掩码的垂直像素数；为掩码的水平像素数；利用掩码提取对象前景以构建素材图像；为逐元素乘法；融合对象类别构建注入对象集合，如式5所示： 5 式中，为注入对象数量；为对象样本索引； S13、异构数据融合提示词构建； 针对每个源图像、对象类别以及注入区域边界框构建融合提示词，提示词包含对象语义、空间关系与真实感约束，采用结构化模板生成提示词，如式6所示： 6 式中，为文本模板函数；为由注入区域边界框生成的关系描述；为场景信息。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。