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！

龙图腾网获悉中国科学院计算机网络信息中心申请的专利基于数字孪生的车辆运动轨迹可视化预测方法与装置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：CN116721125B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310141034.1，技术领域涉及：G06T7/246；该发明授权基于数字孪生的车辆运动轨迹可视化预测方法与装置是由刘春雨;于建军设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本基于数字孪生的车辆运动轨迹可视化预测方法与装置在说明书摘要公布了：本发明属于自动驾驶技术领域，为了提高训练效率与预测准确性，提供一种基于数字孪生的车辆运动轨迹可视化预测方法与装置，对时空点云序列数据集中的每一个连续的时空点云序列样本进行拆分，得到历史‑未来点云序列数据对；根据历史‑未来点云序列数据对构建训练样本训练点云序列预测模型，训练样本是以历史点云序列数据作为输入数据，并以未来点云序列数据作为真值标签，从而使得点云序列预测模型能够在训练过程中通过自监督学习提取历史‑未来点云序列数据对的特征向量。根据目标车辆的当前点云序列数据与未来点云序列预测数据在数字孪生空间中构建目标车辆的数字孪生体，从而实现在数字孪生空间中目标车辆运动轨迹的可视化预测。

本发明授权基于数字孪生的车辆运动轨迹可视化预测方法与装置在权利要求书中公布了：1.一种基于数字孪生的车辆运动轨迹的可视化预测方法，其特征在于，包括以下步骤： 采集道路场景下目标车辆的激光点云序列数据，经过数据预处理后生成时空点云序列数据集；根据所述时空点云序列数据集构建道路场景的数字孪生空间； 对所述时空点云序列数据集中的每一个连续的时空点云序列样本进行拆分，得到Tobs帧历史点云序列数据与Tpred帧未来点云序列数据，形成历史-未来点云序列数据对； 根据历史-未来点云序列数据对构建训练样本训练点云序列预测模型，所述训练样本是以历史点云序列数据作为输入数据，并以未来点云序列数据作为真值标签，从而使得点云序列预测模型能够在训练过程中通过自监督学习提取历史-未来点云序列数据对的特征向量； 所述点云序列预测模型，用于根据历史-未来点云序列数据对构建的训练样本进行自监督学习从而能够根据目标车辆的当前点云序列数据预测目标车辆的未来点云序列；所述训练样本是以历史点云序列数据作为输入数据，并以未来点云序列数据作为真值标签； 所述点云序列预测模型包括空间特征提取网络与时序特征提取网络，空间特征提取网络的输出作为时序特征提取网络的输入，从而能够提取到包含空间与时间两个维度的特征向量；采用堆叠Conv3D网络作为空间特征提取网络，采用1*1卷积神经网络作为时序特征提取网络；所述点云序列预测模型还包括第一解码器，第一解码器用于结合损失函数L1来提高历史点云序列数据的特征向量保留原始信息的能力； 所述点云序列预测模型还包括第一判别器，第一判别器用于结合损失函数L2来提高历史点云序列数据的特征向量的表征能力； 所述点云序列预测模型包括第二解码器，第二解码器用于结合损失函数L3来提高点云序列预测模型的预测能力； 所述点云序列预测模型还包括第二判别器，第二判别器用于结合损失函数L4提高第二编码器所输出的隐层特性向量的表征能力； 获取目标车辆的当前点云序列数据并输入所述点云序列预测模型进行预测，点云序列预测模型输出目标车辆的未来点云序列预测数据；根据目标车辆的当前点云序列数据与未来点云序列预测数据在所述数字孪生空间中构建目标车辆的数字孪生体，从而实现在所述数字孪生空间中目标车辆运动轨迹的可视化预测。

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中国科学院计算机网络信息中心，其通讯地址为：100190 北京市海淀区中关村南四街4号院内2号楼；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”。