专利分析：US 12,548,351 B2 — Tesla 车道连通性视觉机器学习模型

核心定位：本专利是 Tesla 在纯视觉自动驾驶（Tesla Vision）路线上的关键专利之一，解决了自动驾驶车辆穿越复杂路口时"车道如何连接"的核心难题。

维度

信息

️ 专利号

US 12,548,351 B2

申请号

US 18/452,466

权利人

Tesla Inc.（奥斯汀，德克萨斯）

发明人

Patrick Cho, Ethan Knight, Tony Duan, Alex Xiao, Jason Lee

优先权日

2022-08-19

申请日

2023-08-18

授权公告日

2026-02-10

⏳ 到期日

2044-02-27

法律状态

✅ Active（有效）

IPC 分类

G06V 图像识别 / 机器学习

问题本质：当自动驾驶车辆驶向十字路口时，必须理解"路口的这边哪条车道，连接到路口那边的哪条车道"——尤其是在五岔路口、六岔路口等复杂场景中，车道可能合并、偏移、分叉。

人类驾驶员凭直觉就能做到，但机器需要精确的算法来建模这种"车道连通性"。

硬件细节：前视摄像头模组包含 3 个不同焦距的传感器（广角鱼眼 + 标准 35/50mm + 长焦窄角），配合侧向和后向摄像头，实现约 360° 的全景覆盖。图像采集频率可达 30Hz/36Hz/60Hz/65Hz。

传统方案

各摄像头独立处理

结果简单拼接

缺乏跨视角注意力机制

信息融合精度有限

本专利方案

Backbone 网络提取各摄像头特征

Transformer 网络进行跨 Backbone 的注意力融合

生成统一的公共表征（Common Representation）

多视角信息深度关联

最关键创新：车道连通性网络类似于一个自回归语言模型（如 Transformer Decoder）。它将车道"描述"为一系列点的集合，像写句子一样逐个标注点的属性——这是将 NLP 领域的自回归思想创造性地应用于空间几何问题的典范。

聚合方式

作用

应用场景

时序索引队列

累积多帧信息，提升鲁棒性

遮挡恢复、运动模糊补偿

空间索引队列

融合多视角空间特征

360° 全景理解

独立权利要求 1 描述了一种由车辆处理器系统实现的方法，包含以下关键步骤：

权利要求类型

覆盖内容

方法权利要求

车道连通性推断的完整处理流程

系统权利要求

包含处理器系统和摄像头组的车辆系统

介质权利要求

存储可执行指令的非瞬态计算机可读介质

核心概念

️ Lane（车道）

Images（图像）

Points（特征点）

Vehicle（车辆）

Network（神经网络）

技术分类

G06V 图像/视频识别理解

G06V20/588 车道标线识别

G06V10/457 连通性分析

G06V10/82 神经网络

本专利是 Tesla FSD（Full Self-Driving）系统视觉感知栈的重要组成部分，与 Tesla 的 Occupancy Network、HydraNet 等技术形成互补，共同支撑纯视觉自动驾驶方案。

技术领域

与本专利的关系

Tesla Vision

核心专利之一，定义了纯视觉方案下的车道理解能力

Occupancy Network

互补：Occupancy 处理 3D 空间占用，本专利处理车道拓扑

HydraNet

共享 Backbone，本专利是其中一个专用"头"

FSD Chip

专利引用的矩阵处理器与 Tesla FSD 芯片架构一致

风险类型

描述

影响等级

恶劣天气

摄像头在雨雪雾天性能下降

高

专利有效性

可能被竞争对手发起无效挑战

中

计算资源

Transformer + 自回归需要大量算力

中

扩展性

专利技术可扩展至车辆轨迹预测

正向

专利文档中已明确提及该技术框架可扩展至以下领域：

扩展方向

描述

车辆轨迹预测

预测周边车辆未来位置坐标序列

Ego 轨迹估计

自回归估计本车未来位置和轨迹

车辆位置表征

对邻近车辆进行位置分类和表征

多任务学习

同一网络同时输出多种驾驶相关预测

⭐ 核心价值

US 12,548,351 B2 是 Tesla 纯视觉自动驾驶路线的又一核心专利，创造性地将 Transformer 注意力机制和自回归语言模型思想应用于车道连通性问题。

无需高精地图、无需激光雷达，仅凭摄像头即可理解复杂路口的车道拓扑关系。

战略意义

巩固 Tesla 在纯视觉 FSD 路线的专利壁垒

为端到端自动驾驶提供更细粒度的道路理解

技术框架可复用于轨迹预测等多任务场景

专利有效期至 2044 年，覆盖长期竞争