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！

龙图腾网获悉四川农业大学申请的专利一种动态自适应BEV感知的多尺度特征融合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：CN120997790B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511508629.1，技术领域涉及：G06V20/56；该发明授权一种动态自适应BEV感知的多尺度特征融合方法是由祝祥森;杨逸尘;薛启路;刘芝宇;向桢;李凤莉;曾灏;张峻源设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本一种动态自适应BEV感知的多尺度特征融合方法在说明书摘要公布了：本发明涉及基于BEV的智能驾驶领域，具体涉及一种动态自适应BEV感知的多尺度特征融合方法。方案包括：数据采集，通过部署在车身周围的多个广角摄像头同步采集车辆周围360°的多视角图像数据；特征提取，通过ResNet或SwinTransformer从采集的图像数据中提取多尺度特征图F；生成动态自适应BEV查询；金字塔多尺度特征融合；时空融合与BEV表征生成；将经过时空融合后的最终BEV特征图解码为具体的感知结果进行输出。本发明适用于基于BEV的智能驾驶。

本发明授权一种动态自适应BEV感知的多尺度特征融合方法在权利要求书中公布了：1.一种动态自适应BEV感知的多尺度特征融合方法，其特征在于，包括： S1、数据采集； S2、特征提取； S3、生成动态自适应BEV查询； S4、金字塔多尺度特征融合； S5、时空融合与BEV表征生成； S6、将经过时空融合后的最终BEV特征图解码为具体的感知结果进行输出； 步骤S3具体包括： 以多尺度特征图F和一组初始查询Q为输入，输出一个根据当前场景复杂度动态调整过分辨率的查询坐标，具体过程如下： S301、场景复杂度分析； 首先利用一个轻量级语义分割网络分析多尺度特征图F，提取车道线曲率方差与障碍物分布熵特征，并将车道线曲率方差与障碍物分布熵特征线性组合，生成一个与BEV平面对应的场景复杂度热力图H； S302、分辨率动态调节； 设计一个MLP构成的轻量级门控网络，以热力图H和初始查询Q为输入，为每个网格位置计算一个分辨率缩放因子，方式如下： ； 式中，表示分辨率缩放因子，表示特征拼接操作，表示在网格i,j位置上，热力图H对应的特征值或特征向量，表示在网格i,j位置上的初始的查询Q，表示偏置项，表示门控网络中最后线性变换层的权重矩阵； S303、动态坐标映射； 根据计算出的缩放因子，通过双线性插值对原始的均匀网格坐标进行非线性变换，生成自适应的查询坐标，方式如下： ； 式中，、分别表示在x和y方向上预设的最大偏移量，定义了每个网格点所能移动的最大距离，、分别表示原始均匀网格的横坐标与纵坐标，、分别表示查询坐标的横坐标与纵坐标； S304、语义约束的K-means++聚类； 将多视角图像特征划分为K个语义簇，优化的目标函数不仅考虑几何距离,还通过KL散度引入了语义一致性作为约束项，方式如下： ； 式中，表示K个聚类中心的集合，表示第个簇的中心向量，表示N个数据点的归属分配，表示第n个数据点被分配到的簇的索引，表示第n个多视角图像的特征向量，表示分配给特征的那个簇的中心点，表示一个权重系数，表示一个函数，用于获取某个特征向量的语义概率分布； S305、关联权重与局部注意力； 每个BEV查询首先通过计算与各个簇中心的关联权重，从而定位到高相关性的簇，方式如下： ； 式中，为温度系数，表示第j个簇的中心向量，表示第i个BEV查询向量，T表示转置。

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四川农业大学，其通讯地址为：625000 四川省雅安市雨城区新康路46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。