[发明专利]场景识别方法、装置、设备及存储介质

权利要求书

1.一种场景识别方法，其特征在于，所述方法包括：

调用场景特征提取网络和场景预测网络，基于第一驾驶场景的第一场景序列进行场景预测，得到所述第一驾驶场景的第二场景序列，所述第一场景序列包括在第一时间段内的至少一个时刻对应的样本场景数据，所述第二场景序列包括在第二时间段内的至少一个时刻对应的预测场景数据，所述第一时间段早于所述第二时间段；

基于所述第二场景序列和所述第一驾驶场景的第三场景序列，训练所述场景特征提取网络和所述场景预测网络，所述第三场景序列包括在所述第二时间段内的至少一个时刻对应的样本场景数据；

调用训练后的所述场景特征提取网络和场景分类网络，基于第二驾驶场景的场景序列进行场景分类，得到预测类别标签；

基于所述第二驾驶场景的场景类别标签和所述预测类别标签，训练所述场景分类网络；

获取场景识别模型，所述场景识别模型包括训练后的所述场景特征提取网络和训练后的所述场景分类网络；

其中，所述第一场景序列中，任一时刻对应的所述样本场景数据包括：所述第一驾驶场景中的自动驾驶车辆在所述时刻对应的第一状态数据、所述自动驾驶车辆周围的目标车辆在所述时刻对应的第二状态数据，以及以所述自动驾驶车辆为参考，所述目标车辆的相对位置数据；所述目标车辆为所述自动驾驶车辆周围的目标数量的车辆，所述目标车辆距离所述自动驾驶车辆的距离小于所述第一驾驶场景中的其他车辆距离所述自动驾驶车辆的距离。

2.根据权利要求1所述的方法，其特征在于，所述调用场景特征提取网络和场景预测网络，基于第一驾驶场景的第一场景序列进行场景预测，得到所述第一驾驶场景的第二场景序列，包括：

调用所述场景特征提取网络，对所述第一场景序列进行特征提取，得到第一场景特征；

调用所述场景预测网络，基于所述第一场景特征进行场景预测，得到所述第二场景序列。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第二场景序列和所述第一驾驶场景的第三场景序列，训练所述场景特征提取网络和所述场景预测网络，包括：

基于所述第二场景序列和所述第三场景序列，确定第一损失值，所述第一损失值用于表示所述第二场景序列与所述第三场景序列之间的相似度；

基于所述第一损失值，训练所述场景特征提取网络和所述场景预测网络。

4.根据权利要求1所述的方法，其特征在于，所述调用训练后的所述场景特征提取网络和场景分类网络，基于第二驾驶场景的场景序列进行场景分类，得到预测类别标签，包括：

调用训练后的所述场景特征提取网络，对所述第二驾驶场景的场景序列进行特征提取，得到第二场景特征；

调用所述场景分类网络，基于所述第二场景特征进行场景分类，得到所述预测类别标签。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第二驾驶场景的场景类别标签和所述预测类别标签，训练所述场景分类网络，包括：

基于所述场景类别标签和所述预测类别标签，确定第二损失值，所述第二损失值用于表示所述场景类别标签与所述预测类别标签之间的相似度；

基于所述第二损失值，训练所述场景分类网络。

6.根据权利要求1所述的方法，其特征在于，所述任一时刻对应的所述样本场景数据还包括目标图像，所述方法还包括：

基于所述时刻对应的所述第一状态数据、所述第二状态数据以及所述相对位置数据，绘制所述时刻对应的目标图像，所述目标图像用于表示在所述时刻，所述自动驾驶车辆与所述目标车辆的姿态，以及所述自动驾驶车辆与所述目标车辆的相对位置关系。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对于所述任一时刻，将所述自动驾驶车辆所处的目标区域划分为9个网格，以使所述自动驾驶车辆处于所述目标区域的中间的网格；

确定所述9个网格的网格标识；

确定所述自动驾驶车辆所处网格的第一网格标识，以及所述目标车辆所处网格的第二网格标识；

将所述第一网格标识和所述第二网格标识，确定为所述相对位置数据。