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！

龙图腾网获悉南昌工学院申请的专利基于人工智能的自动驾驶环境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：CN120922157B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511455921.1，技术领域涉及：B60W50/00；该发明授权基于人工智能的自动驾驶环境感知方法及系统是由曾敏;孙文龙;张杰;陈佳;王琳慧设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本基于人工智能的自动驾驶环境感知方法及系统在说明书摘要公布了：本发明公开了基于人工智能的自动驾驶环境感知方法及系统，方法包括多源数据采集、原始数据优化、环境感知模型构建、决策优化算法设计和自动驾驶决策。本发明涉及自动驾驶环境感知技术领域，具体是指基于人工智能的自动驾驶环境感知方法及系统，本发明通过多源数据采集得到原始数据；采用传感器校准、动静态数据分离、数据归一化、数据增强和数据集分割的原始数据优化方法；采用双分支变压器模型作为环境感知模型，通过双分支架构分别捕捉运动目标的非规则行为模式和道路结构的几何拓扑约束；采用改进蚁群优化算法作为决策优化算法，将多维风险场转化为可计算的优化目标，通过精英蚁群全局探索与非精英局部优化，实现最优决策。

本发明授权基于人工智能的自动驾驶环境感知方法及系统在权利要求书中公布了：1.基于人工智能的自动驾驶环境感知方法，其特征在于：该方法包括以下步骤： S1：多源数据采集，通过多类传感器进行数据采集，得到环境感知原始数据集，所述环境感知原始数据集，具体包括过往感知原始数据集和当前感知原始数据集； S2：原始数据优化，对采集到的原始数据进行优化，得到待处理数据集、感知训练集和感知测试集； S3：环境感知模型构建，用于构建自动驾驶环境感知所需的模型，具体为构建双分支变压器模型，作为环境感知模型，所述双分支变压器模型，具体包括动态环境分支、静态环境分支、特征融合模块、堆叠变压器模块； S4：决策优化算法设计，用于设计优化自动驾驶决策所需的优化算法，具体为采用改进蚁群优化算法，作为决策优化算法； S5：自动驾驶决策，具体为将所述待处理数据集作为所述环境感知模型的输入，得到预测轨迹、动态障碍威胁得分和静态区域通行得分，并基于所述预测轨迹、所述动态障碍威胁得分和所述静态区域通行得分，运用所述决策优化算法优化自动驾驶决策，得到最优自动驾驶决策并执行； 所述环境感知模型构建，具体包括以下步骤： 步骤S31：动态环境分支设计，用于捕获车辆周边运动目标时空特征，步骤包括： 步骤S311：三维可变形卷积，用于提取动态目标的不规则运动特征，具体为通过可学习偏移量的三维卷积核在时间以及空间维度上自适应地提取特征，得到初步动态时空特征； 步骤S312：时间相干单元构造，用于建模动态目标在连续时间上的运动一致性，具体为通过门控循环残差连接和历史状态衰减因子，捕捉动态目标的长时依赖关系，得到时间增强动态时空特征； 步骤S313：空间相干掩码设计，用于增强动态目标的空间结构特征，具体为通过基于目标中心的空间衰减掩模对动态特征进行加权聚焦，得到最终动态时空特征； 步骤S32：静态环境分支设计，用于解析道路结构与空间拓扑关系，步骤包括： 步骤S321：方向响应卷积，用于提取静态环境中的方向敏感特征，具体为通过预设多个方向的卷积核对输入静态环境数据分别进行卷积，得到初步静态空间特征； 步骤S322：超像素图卷积单元构造，用于从像素级特征抽象到区域级拓扑结构，具体为通过简单线性迭代聚类算法对输入静态环境数据进行超像素分割，采用所述方向响应卷积处理每一个超像素区域，得到每个超像素区域的初步静态空间特征，以超像素区域作为节点，超像素区域的初步静态空间特征作为节点特征，节点之间的边表示超像素区域之间的相邻关系，构造图结构数据，并进行图卷积操作，得到超像素静态空间特征； 步骤S323：道路曲率编码，用于将道路几何形状信息嵌入特征，具体为通过计算道路曲率并结合B样条插值，将曲率信息与超像素静态空间特征融合，得到最终静态空间特征； 步骤S33：特征融合模块设计，用于将动态环境分支和静态环境分支输出的特征进行多尺度自适应融合，具体为通过可学习的门控机制和通道注意力权重，在不同尺度上动态加权融合最终动态时空特征与最终静态空间特征，得到动态-静态融合特征； 步骤S34：堆叠变压器模块设计，用于建模环境中的长距离时空依赖关系，具体为通过堆叠多个变压器层处理动态-静态融合特征，所述堆叠变压器模块包含三个输出层，分别输出预测轨迹、动态障碍威胁得分和静态区域通行得分； 步骤S35：构建并训练模型，具体为通过所述动态环境分支设计、所述静态环境分支设计、所述特征融合模块设计和所述堆叠变压器模块设计，进行所述双分支变压器模型的构建，基于所述感知训练集训练模型，基于所述感知测试集验证模型性能，得到双分支变压器模型，作为环境感知模型。

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南昌工学院，其通讯地址为：330108 江西省南昌市红谷滩区狮子山大道998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。