一种基于自监督学习与知识蒸馏的视觉BEV感知方法及系统

本发明公开了一种基于自监督学习与知识蒸馏的视觉BEV感知方法及系统，方法包括：(1)自监督学习模块TempoDrive从无标注数据中学习场景结构与物体运动特性，通过知识迁移方法将泛化能力由骨干网络迁移至视觉BEV感知模型；(2)基于多模态知识蒸馏的感知增强模块BEV‑KD将点云前景目标的深度信息传授给视觉感知模型，通过时序融合策略将有效监督区域覆盖率提升，基于可变形注意力特征适配器实现两个模态特征对齐；(3)构建自监督时序知识蒸馏框架VisBEV‑STD，通过三阶段渐进式学习策略，结合TempoDrive和BEV‑KD，弥补纯视觉方案中深度信息缺失问题。本发明解决了纯视觉BEV感知中泛化能力不足和深度信息提取能力不足的关键挑战，在自动驾驶领域中具有显著应用价值。