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！

龙图腾网获悉华南理工大学申请的专利一种基于语义区域聚焦的自动驾驶空间规划增强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：CN121119149B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511246492.7，技术领域涉及：G06N5/04；该发明授权一种基于语义区域聚焦的自动驾驶空间规划增强方法是由黄双萍;涂智瑞;代港;韩有为;何奇昇;田汶鑫设计研发完成，并于2025-09-02向国家知识产权局提交的专利申请。

本一种基于语义区域聚焦的自动驾驶空间规划增强方法在说明书摘要公布了：本发明公开了一种基于语义区域聚焦的自动驾驶空间规划增强方法，包括以下步骤：获取输入信息，包括自动驾驶场景的图像和空间规划问题的文本；设计动态文本库并构建所述文本库和所述图像的跨模态相关性映射，以生成区域激活的归因图；对所述图像进行空间视觉编码并融合所述归因图以构建显式空间编码提示，构建几何特征增强提示并与所述显式空间编码提示组合生成结构化提示；将所述输入信息与所述结构化提示输入多模态大模型得到空间规划问题的回答；本发明通过显式的视觉提示和文本提示引入区域注意力先验，提升自动驾驶模型在复杂自动驾驶场景下对关键语义区域的关注度，从而增强自动驾驶系统的空间规划能力。

本发明授权一种基于语义区域聚焦的自动驾驶空间规划增强方法在权利要求书中公布了：1.一种基于语义区域聚焦的自动驾驶空间规划增强方法，其特征在于：包括以下步骤： 步骤1，获取输入信息，包括自动驾驶场景的图像和空间规划问题的文本； 步骤2，设计动态文本库并构建所述文本库和所述图像的跨模态相关性映射，以生成区域激活的归因图； 步骤3，对所述图像进行空间视觉编码并融合所述归因图以构建显式空间编码提示，构建几何特征增强提示并与所述显式空间编码提示组合生成结构化提示； 步骤4，将所述输入信息与所述结构化提示输入多模态大模型得到空间规划问题的回答； 所述步骤2，包括以下步骤： 步骤201，利用驾驶场景的领域知识动态生成与所述空间规划问题正相关和负相关的动态文本库； 步骤202，对输入的所述图像进行自适应分块的分辨率优化； 步骤203，采用Transformer-MM框架构建优化后的所述图像和所述文本库的跨模态相关性映射，以分别生成正文本归因图和负文本归因图； 步骤204，融合正文本归因图和负文本归因图； 所述步骤201中，所述动态生成采用了基于规则的先验生成方法和基于大语言模型LLM的开放域语义扩展方法，具体生成步骤如下： 步骤20101，通过基于规则的先验生成方法，利用所述驾驶场景的领域知识构建所述文本库，所述文本库包括基础物体库、问题增强库和负样本库； 所述基础物体库涵盖驾驶场景的核心实体； 所述问题增强库包含从所述空间规划问题文本中提取的显式实体和动作关联的隐含实体； 所述负样本库则包括与所述空间规划问题决策低相关的干扰实体； 其中，所述基础物体库和所述问题增强库的实体均视为正文本标签，所述负样本库的实体均视为负文本标签； 步骤20102，利用基于大语言模型LLM的开放域语义扩展方法，设计关于所述空间规划问题的分层递进提示框架并输入至LLM中，动态生成与所述空间规划问题相关的正负文本标签，以扩充所述文本库； 所述步骤203，包括以下步骤： 步骤20301，将所述图像和文本标签同时送入Transformer-MM框架中的CLIP网络进行编码，得到图像特征和文本特征，经过所述图像特征和文本特征点乘后得到所述图像与所述文本标签的匹配度得分； 步骤20302，对所述CLIP网络中的视觉编码器的自注意力相关性映射矩阵初始化； 步骤20303，逐层遍历所述视觉编码器的每一层Transformer网络层的注意力模块，计算对应层的梯度加权注意力； 步骤20304，沿所述视觉编码器的深度方向聚合各层相关性并更新所述相关性映射矩阵； 步骤20305，取最终输出层的相关性映射矩阵中与[CLS]token对应的相关性行向量，以及与所述图像经过CLIP编码后得到的图像块所对应的列向量，再通过最大最小值归一化算法进行归一化处理并上采样至原图分辨率，得到与所述文本标签对应的正文本或负文本归因图。

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华南理工大学，其通讯地址为：510000 广东省广州市天河区五山路381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。