摘要
本发明涉及一种对等网络联邦协同决策方法及装置，属于对等网络边缘计算领域。该方法首先初始化各参与者深度网络，对RGB模态数据和雷达点云模态数据，使用特征提取网络提取两种模态特征；随后，采用BEV鸟瞰特征转换技术将两种模态特征转换至BEV空间进行对齐获得多模态融合特征，并对其压缩和计算差异值生成稀疏补偿特征，通过Top‑k动态掩码选择策略与其他参与者交互得到多视图补偿融合特征；最后，将补偿融合特征输入预测网络使用联邦集成知识蒸馏算法训练，如此多次交互实现对等网络联邦协同决策。本发明充分利用不同模态视图的互补性，解决了对等网络参与者决策语义缺失性、异构性和实时性等问题，适用于不同参数与硬件异构的多参与者协同决策。
