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！

龙图腾网获悉西南交通大学申请的专利一种基于少车感知增强的自动驾驶协同感知方法和系统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：CN118779821B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202410760951.2，技术领域涉及：G06F18/25；该发明授权一种基于少车感知增强的自动驾驶协同感知方法和系统是由戴朋林;韦全敏;李威;吴晓设计研发完成，并于2024-06-13向国家知识产权局提交的专利申请。

本一种基于少车感知增强的自动驾驶协同感知方法和系统在说明书摘要公布了：本发明公开了一种基于少车感知增强的自动驾驶协同感知方法和系统，包括：智能车辆将感知数据转换为中间特征；然后广播给有效通讯范围内的其他智能车辆；并进一步融合多个智能车辆的中间特征以生成协同特征；通过统一的跨感知场景差异建模方法实现从多车感知场景到少车感知场景之间性能差异的有效建模；利用轻量级的注射网络增强少车感知场景相关的协同特征，从而最终增强感知任务。本发明可以有效提升少车感知场景中的协同感知性能，支持自动驾驶中各类协同感知方法，且具有计算复杂性低和无网络带宽需求的优势。

本发明授权一种基于少车感知增强的自动驾驶协同感知方法和系统在权利要求书中公布了：1.一种基于少车感知增强的自动驾驶协同感知方法，其特征在于，包括以下步骤： 步骤1，智能车辆通过车载传感器采集周围环境的感知数据； 步骤2，智能车辆向周围智能车辆广播基础信息并接收来自其他智能车辆的基础信息； 步骤3，使用基础信息对齐各个智能车辆的坐标系； 步骤4，智能车辆使用特征提取网络从感知数据中提取中间特征； 步骤5，智能车辆向其他智能车辆广播发送中间特征； 步骤6，利用特征融合网络聚合中心智能车辆的中间特征与其他智能车辆的中间特征，生成包含不同视角信息的协同特征； 步骤7，智能车辆执行统一的跨感知场景差异建模方法，实现从多车感知场景到少车感知场景性能差异的有效建模； 所述的统一的跨感知场景差异建模方法包括两个子步骤，具体如下： 子步骤1，在模型训练阶段，执行无网络带宽要求的学习方法协助模型的学习过程：对于多车感知场景中任意的智能车辆i，其对应的协同特征Hi记为另一方面，从该智能车辆接收的Fj ↑,j∈Ni中删除部分车辆的中间特征以构造模拟的少车特征集合Fj ↑,j∈Ni′，其中且在智能车辆数量上满足1+|Ni′|≤k；Fi ↑和Fj ↑,j∈Ni′生成的协同特征Hi记为之后，使用可学习的补偿特征T从全局角度建模少车感知场景与多车感知场景的差异，即 其中⊕是一种关系操作符； 子步骤2，在模型推理阶段，对处于少车感知场景中的智能车辆执行特征调制操作，而对于多车感知场景中的智能车辆无需执行特征调制操作； 步骤8，利用注射网络将模型训练阶段学习的补偿特征T融入到少车感知场景相关的协同特征中，实现在少车感知场景中增强协同感知的目的； 构建的注射网络基于两个轻量级的神经网络实现，具体如下： 为了额外融入智能车辆所处驾驶环境的上下文信息，选择协同特征Hi作为上下文信息用于生成细粒度的补偿特征Ti；考虑到自动驾驶中的智能车辆计算能力有限的问题，这个过程由轻量级神经网络来实现： Ti＝DConvs×sConvCONCATT,Hi 其中CONCAT是一个作用于维度通道的特征拼接操作，Conv是一个用于将输入特征的通道数量减半的1×1卷积层，DConvs×s是一个卷积核大小为s＝7的深度可分离卷积层；然后，使用细粒度的补偿特征Ti对少车场景相关的协同特征进行特征调制，对应的计算如下公式所示： 其中Conv是一个输入通道数等于输出通道数的1×1卷积层，⊙是按位乘法，是经过特征调制的协同特征； 步骤9，基于协同特征执行3D目标检测感知任务。

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西南交通大学，其通讯地址为：611756 四川省成都市郫都区犀安路999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”。