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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于在线自监督学习的无人车可通行性分析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：CN119851239B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202510087813.7，技术领域涉及：G06V20/56；该发明授权基于在线自监督学习的无人车可通行性分析方法是由孙振平;李晓辉;付浩;曾俊;布亚峰;张新设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本基于在线自监督学习的无人车可通行性分析方法在说明书摘要公布了：本申请涉及一种基于在线自监督学习的无人车可通行性分析方法。所述方法包括：根据各个传感器实时获取已经经过时间同步处理的相关数据来生成环境的BEV数据；构建ResNet18‑UNet模型并设置损失函数；根据训练好的ResNet18‑UNet模型对BEV数据进行深层次特征提取，在历史时刻的无人车行驶过程中以一定距离为间隔周期性地记录左、右车轮各自对应的历史特征向量，对历史特征向量进行无监督聚类，计算路面相关特征向量图中的每个特征向量与当前时刻的高层次特征向量图中所有特征点的余弦相似度，将得到的相似度值映射到0到255的灰度范围，生成相似度图像，根据相似度图像进行无人车可通行性预测。采用本方法能够提升了无人车可通行性分析准确率。

本发明授权基于在线自监督学习的无人车可通行性分析方法在权利要求书中公布了：1.一种基于在线自监督学习的无人车可通行性分析方法，其特征在于，所述方法包括： 根据各个传感器实时获取已经经过时间同步处理的相关数据来生成环境的BEV数据； 构建ResNet18-UNet模型并设置损失函数；利用所述损失函数对所述ResNet18-UNet模型进行训练，根据训练好的ResNet18-UNet模型对所述BEV数据进行深层次特征提取，得到高层次特征向量图； 在无人车行驶过程中，按照一定的行驶距离间隔，周期性地记录左、右车轮对应的历史特征向量，并对这些历史特征向量进行在线实时的无监督聚类处理，得到几种路面相关特征向量，即无人车行驶短期经验地几种路面表示； 计算所述几种路面相关特征向量图中的每个特征向量与当前时刻的高层次特征向量图中所有特征点的余弦相似度，将得到的相似度值映射到0到255的灰度范围，生成相似度图像，根据所述相似度图像进行无人车可通行性预测； 所述相关数据包括雷达点云数据、可见光图像数据和雷达里程计数据；生成BEV数据的过程，包括： 将雷达点云数据从雷达坐标系转换到图像坐标系，得到与可见光图像数据信息匹配的雷达点云数据，利用雷达里程计数据，对带有RGB信息的雷达点云数据进行多帧累计，生成环境的BEV数据。

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人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。