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！

龙图腾网获悉北京化工大学申请的专利基于BEV视角的自动驾驶多模态协同感知方法及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：CN116977963B 。

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：202310943106.4，技术领域涉及：G06V20/56；该发明授权基于BEV视角的自动驾驶多模态协同感知方法及系统是由王坤峰;陈思涵;王可秋设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本基于BEV视角的自动驾驶多模态协同感知方法及系统在说明书摘要公布了：本发明属于计算机视觉领域，具体涉及了一种基于BEV视角的自动驾驶多模态协同感知方法及系统，旨在解决自动驾驶多模态数据在融合过程中的协同感知效果差的问题。本发明包括：获取原始点云数据和多视角相机图像数据；对原始点云数据进行体素化并特征提取获得点云BEV特征；提取多视角相机图像数据特征并进行前视特征转换获得图像BEV特征；对原始点云数据对应的稀疏深度图和多视角相机图像数据进行深度补全和视角转换，获得深度BEV特征；对各BEV特征进行特征融合，得到多模态BEV融合特征；通过多任务头对多模态BEV融合特征进行处理得到三维目标检测结果和BEV视角语义分割结果。本发明能够提高自动驾驶多模态数据在融合过程中的协同感知效果。

本发明授权基于BEV视角的自动驾驶多模态协同感知方法及系统在权利要求书中公布了：1.一种基于BEV视角的自动驾驶多模态协同感知方法，其特征在于，所述方法包括： 获取原始点云数据和多视角相机图像数据； 将原始点云数据坐标系转化为相机坐标系，将所述相机坐标系下的点云数据投影至所述多视角相机图像数据，获得带有部分像素深度信息的多视角图像数据，记为第一特征；所述带有部分像素深度信息的多视角图像数据包括所述多视角相机图像数据和对应的稀疏深度图； 对所述原始点云数据进行体素化处理，并通过点云BEV特征提取网络提取体素化处理获得的体素化点云数据的特征，获得点云BEV特征； 通过图像BEV特征提取网络提取所述多视角相机图像数据的特征，并进行前视特征转换，获得图像BEV特征； 通过深度补全网络对所述多视角相机图像数据和对应的所述稀疏深度图进行深度补全和视角转换，获得深度BEV特征： 使用深度补全网络将所述第一特征拆分成图像特征和稀疏深度图特征； 基于Transformer网络构建对所述稀疏深度图特征进行稠密化处理的DCT网络，用DCT网络对所述图像特征和所述稀疏深度图特征进行多次编码解码处理获得稠密的多视角深度图特征，记为第五特征； 使用相机内参矩阵和所述第五特征的深度值将图像坐标x'，y'转换为相机坐标系下的三维坐标X_c，Y_c，Z_c，根据相机外参矩阵将相机坐标系下的原始点云数据转换为世界坐标系下的点云数据，并将世界坐标系下的点云数据与原始点云数据相加，获得第六特征； 划分BEV网络，x方向和y方向各划分H_BEV和W_BEV个网格，将所述第六特征中的高维点云分配至BEV网络中，对每个网格内的所有特征通过BEV池化操作来聚合，计算每个网格内的特征的最大值，生成张量为[H_BEV,W_BEV,1]的特征； 使用多层感知机对所述张量为[H_BEV,W_BEV,1]的特征升维，获得张量为[H_BEV,W_BEV,C_D]的深度BEV特征；其中，C_D是深度BEV特征中的高维点云的维度； 对所述点云BEV特征、所述图像BEV特征和所述深度BEV特征进行特征融合，获得多模态BEV融合特征； 通过多任务头进行所述多模态BEV融合特征的目标检测和分割，获得三维目标检测结果和BEV视角语义分割结果，作为自动驾驶多模态协同感知结果；所述多任务头包括检测头和分割头。

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化工大学，其通讯地址为：100029 北京市朝阳区北三环东路15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”。