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自动驾驶场景语义预测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：CN116738357B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310546439.3，技术领域涉及：G06F18/25；该发明授权自动驾驶场景语义预测方法是由唐洁;胡惟楚;刘鹭扬设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本自动驾驶场景语义预测方法在说明书摘要公布了：本发明公开了一种自动驾驶场景语义预测方法，包括：使用词嵌入单元将富含语义的上下文词汇进行词向量扩充；使用局部语义卷积单元对局部语义信息进行提取，得到几个物体间的语义特征组合；使用全局语义循环单元提取全局语义信息，得到正反双向的全部语义信息特征；使用语义融合单元进行特征融合，实现场景的语义预测。本发明通过对自动驾驶场景下的传感器数据二次处理，能够一定程度上解决不同来源的传感器数据之间可能存在的缺失、错误、冲突，更精准地对自动驾驶场景语义进行预测。

本发明授权自动驾驶场景语义预测方法在权利要求书中公布了：1.自动驾驶场景语义预测方法，其特征在于，包括以下步骤： 1将车辆传感器语义输入词嵌入单元，对富含语义的上下文词汇进行词向量扩充； 所述词嵌入单元负责将富含语义的上下文词汇进行词向量扩充，解决文本数据非结构化、不可计算的问题； 所述词嵌入单元将one-hot编码的词向量传递给输入层，V为等同于词表大小的单词向量空间维度，N为特征值大小；设定一个维度为V×N的权重矩阵W1，一个维度为N×V的权重矩阵W2，one-hot表示的词向量分别乘W1，对得到的结果求平均值，得到维度为1×N的隐藏层；隐藏层乘以W2得到输出矩阵为1×V，通过softmax函数将神经元输出值转换为概率； 2将词嵌入单元的输出作为局部语义卷积单元的输入，使用局部语义卷积单元对局部语义信息进行提取，得到物体间的语义特征组合； 所述局部语义卷积单元采用3种不同大小的卷积核k∈[2,3,4]分别对词向量进行卷积，即提取邻近2、3、4个词语间的语义，得到不同长度的特征语义； 运用不同长度的卷积核对语序中不同的邻近词语进行组合，扩大邻近语义的结合范围，增加语义的丰富程度；卷积完成后将得到nk个矩阵：，R表示矩阵的形状，H表示句子长度，C’表示输出通道数，k表示卷积核大小； 3将词嵌入单元的输出作为全局语义循环单元的输入，使用全局语义循环单元提取全局语义信息，得到正反双向的全部语义信息特征； 通过步骤2中局部语义卷积单元采集到的局部特征，对传感器的语义进行全局分析，引入全局语义循环单元；所述全局语义循环单元基于双向门控循环单元神经网络实现，将词向量空间按照语序分别输入到全局语义循环单元中，获取不同隐藏层的语义信息； 所述全局语义循环单元采用双向门控循环单元对全局语义进行初步提取，将词嵌入单元的输出作为输入，传递给双向门控循环单元，得到输出，其中CE是词嵌入单元的输出通道数，Ch表示双向门控循环单元中正向和反向两个隐藏层的大小； 所述全局语义循环单元引入所有隐藏层的结果以获取不同语义序列长度的特征，并将其呈递至注意力单元进行计算；双向门控循环单元的输出作为多头注意力机制的输入，通过多头注意力机制计算全局信息中语义组合特征占比，最大值代表当前全局语义特征，最后输出； 4将词嵌入单元的输出、局部语义卷积单元的输出、全局语义循环单元的输出作为语义融合单元的输入，使用语义融合单元进行特征融合，实现自动驾驶场景的语义预测。

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华南理工大学，其通讯地址为：510640 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。