从车道线生成到车辆控制，滴图科技正通过一系列紧密关联的技术专利，为自动驾驶系统构建一个逐步感知、决策到执行的完整技术链条。

滴图（北京）科技有限公司近期在国家知识产权局密集公开了多项自动驾驶领域专利，这些专利涵盖了从虚拟车道生成、交通场景识别到道路通行能力分析等多个关键技术领域。

通过将计算机视觉、轨迹分析与机器学习模型相结合，滴图科技正致力于解决自动驾驶在复杂路况下的安全性与效率问题。

01 虚拟车道生成：填补车道间的空白

2025年3月，滴图科技公开了一项名为“虚拟车道生成的方法以及系统”的专利。

该技术通过获取两个车道之间的特征数据和连接关系，利用基于历史驾驶数据训练的热力图预测模型，生成两个车道之间通行的估计车辆轨迹分布。

系统随后根据这一轨迹分布，确定连接两个车道的虚拟车道，从而引导车辆从一个车道安全抵达另一个车道。

这种方法为自动驾驶系统提供了更灵活的车道连接方案，尤其在复杂道路布局中可能增强车辆的导航能力。

02 多模态交通场景识别：融合图像与轨迹数据

在交通场景理解方面，滴图科技开发了一种融合多源数据的识别方法。

2025年3月公开的“交通场景识别方法和装置”专利，通过同时获取图像数据和轨迹数据，利用图像编码器提取图像特征，通过轨迹编码器获取轨迹特征。

该技术的核心在于引入与交通场景各个子场景相关的上下文向量，将这些向量与轨迹特征结合生成文本特征，最终结合图像特征获得各个子场景的识别结果。

通过建立子场景间的相互联系，这种方法在提升单个子场景识别准确性的同时，能为下游任务提供更全面的环境信息。

03 道路通行能力分析：从数据到决策

2025年5月，滴图科技申请的“确定道路通行能力的方法、设备、存储介质及程序产品”专利公开。

该方案基于路网数据确定至少一个局部区域，获取与该区域多条道路相关的轨迹信息，进而分析针对这些道路的通行意愿信息和通行比例信息。

通过这些信息，系统最终确定多条道路的通行能力信息。

这一方法不仅优化了路径规划的效率，同时提升了整体交通网络的运行质量。

04 车辆控制：应对地图与实景不一致的挑战

2025年7月，滴图科技公开的“车辆控制方法和系统”专利，直接应对自动驾驶系统中的实际挑战。

该技术通过车辆传感器采集环境数据，提取道路元素，并结合地图数据来确定道路变更信息。

专利摘要说明，这一过程利用了机器学习模型，确保车辆在复杂环境下做出更为精准的控制策略。

这一技术方案显著提升了自动驾驶车辆在道路与地图数据不一致情况下的安全性和体验性。

05 车道线融合与语义识别：完善基础感知能力

在更基础的感知层面，滴图科技今年1月公开的“用于融合车道线的方法以及电子设备”专利，提供了处理车道线数据的技术方案。

该技术获取至少两组以点集表示的车道线数据集，每个点都具有关于交通标志线的三维坐标值和属性标签。

通过对这些点集进行筛选，建立相互具有匹配关系的车道线，最终确定融合车道线，从而提高车道线融合的可靠性。

此外，2024年6月公开的“用于道路图像的语义识别的方法和装置”专利，利用多任务模型的两个协同训练的组件，同时确定道路图像的分割信息和车道线信息。

这种协同训练方式提高了数据集的利用率，并提升了道路元素的检测准确度和鲁棒性。

06 技术协同与行业背景

滴图科技这一系列技术专利之间存在明显的协同关系。

从车道线检测、交通场景识别到虚拟车道生成，再到道路通行能力分析和车辆控制，形成了从感知、理解到决策控制的完整技术链条。

这些技术的发展与我国推进的“车路云一体化”技术路线方向一致。

“车路云一体化”通过复杂系统工程设计，将智能路侧终端的感知能力和云端高算力的优势赋能给智能网联汽车，为安全行驶铺就新一代的‘数字轨道’。

滴图科技的技术布局反映了自动驾驶行业的发展趋势：单一技术突破正逐渐让位于系统级解决方案。通过整合虚拟车道生成、多模态交通场景识别和动态通行能力分析，滴图科技构建了一个覆盖感知、决策与控制各环节的技术网络。

随着“车路云一体化”应用试点在世界范围内的推进，滴图科技这些相互关联的专利技术，有望在统一的技术架构中找到应用空间。