基于边云协同的车辆场景多模态语义补全与语义压缩方法
来源：计算机测量与控制杂志2026年第6期北京时间：
作者：叶仕通
单位：广州华商学院 人工智能学院
摘要：面向城市道路的遮挡补全与通信受限问题，本文提出一种车、路、云协同的多模态语义补全与语义压缩方法。该方法在车端融合相机、雷达与惯导，完成首次补全并仅上行紧凑潜表示，在路侧聚合多车潜码进行时空对齐，生成区域引导向量与占据/遮挡提示下发至相关车辆，在云端按区域热度迭代代码本与参数。通过重要度驱动的区域化码率分配、关键帧与差分一体化消息形态降低上传开销，并以双头解码与小步细化提升被遮挡区域的形状与语义质量。实验测试表明，mIoU_occ相对强基线平均提升约3%–4%，复杂场景分位段的平均上行开销整体更低，常用带宽条件下端到端 P95 时延约为100 ms，满足车路协作部署的实时性与带宽约束要求。
关键词：跨语义占据补全;车路云协同;语义压缩;带宽自适应;端到端时延
基金资助：2024年广东省普通高校自然科学类平台和项目(2024ZDZX3035)。
