[发明专利]基于图神经网络对交通场景数据提取特征的方法

说明书

本发明涉及交通场景环境建模的领域。提供一种基于图神经网络对交通场景数据提取特征的方法，所述方法包括以下步骤：步骤S1)为交通场景数据建立统一定义的数据表示；步骤S2)基于具有统一定义的数据表示的交通场景数据构建图，其中，所述图描述所述交通场景中的实体之间的时间和/或空间的关系；步骤S3)将所构建的图作为图神经网络的输入并进行图神经网络的学习，使得从所述交通场景数据提取特征。本发明还涉及一种基于图神经网络对交通场景数据提取特征的设备和一种计算机程序产品。

技术领域

本发明涉及一种基于图神经网络对交通场景数据提取特征的方法、一种基于图神经网络对交通场景数据提取特征的设备和一种计算机程序产品。

背景技术

当前，深度学习技术在自动驾驶领域中越来越受到关注，其作为一种强大的工具用于实现各种自动驾驶功能，例如感知、预测和规划等。在一种典型的应用场景中，场景深度学习技术可以基于大量来自交通场景的数据来建立交通场景的环境模型。然而，这些来自交通场景的数据通常由不同的传感器(例如不同供应商的图像传感器、激光雷达传感器和/或定位传感器等)采集，甚至来自不同的数据源(例如传感器、车载地图和/或路侧单元等)，因此这些数据的质量和/或规范彼此之间差异很大。由于深度学习技术对数据的质量和/或规范有严格的要求，这无疑对深度学习技术的利用产生负面的影响。

在现有技术中，提出了一些从交通场景的数据源提取特征的方法，其中，可以利用这些特征来建立交通场景的环境模型，以用于车辆或VRU(Vulnerable Road Users，易受伤害的道路使用者)的运动预测、本车辆的行为规划等。然而，这些方法均有使用的局限性，其要么聚焦于手动设计的建模并且高度依赖于特定的交通场景，要么仅仅是对有效信息提取的结构上的优化。

在这种背景下，期待提供一种基于图神经网络对交通场景数据提取特征的方法，用以在交通场景环境建模中更好地利用深度学习技术。

发明内容

本发明的目的在于提供一种基于图神经网络对交通场景数据提取特征的方法、一种基于图神经网络对交通场景数据提取特征的设备和一种计算机程序产品，以至少解决现有技术中的部分问题。

根据本发明的第一方面，提供一种基于图神经网络对交通场景数据提取特征的方法，所述方法包括以下步骤：

步骤S1)为交通场景数据建立统一定义的数据表示；

步骤S2)基于具有统一定义的数据表示的交通场景数据构建图，其中，所述图描述所述交通场景中的实体之间的时间和/或空间的关系；

步骤S3)将所构建的图作为图神经网络的输入并进行图神经网络的学习，使得从所述交通场景数据提取特征。

本发明尤其包括以下技术构思：为来自不同数据源且具有不同规范和/或质量的交通场景数据建立统一定义的数据表示，并基于具有统一定义的数据表示的交通场景数据构建图，其中，图能够描述所述交通场景中的实体之间的时间和/或空间的关系，并且利用图神经网络的强大学习能力完成特征提取，由此能够实现高度抽象、高鲁棒性和兼容性的数据建模。

在本发明的意义中，“统一定义”可以理解如下：使来自不同数据源的数据以能彼此通用的格式来表示，所述格式例如是点、矢量、框、多边形或分割等。需要说明的是，以点和矢量表示的数据之间能够彼此通用。尤其可以以具有统一度量的格式进行数据表示。这些来自不同数据源的数据可能是已存在的数据组，或者可能来源于不同供应商的传感器(例如图像传感器、激光雷达传感器和/或定位传感器等)的图像或点云和/或不同供应商提供的高精地图，或者可能来源于不同功能模块(例如感知、预测、规划等模块)的输出(例如诊断结果、实例分割等)，或者可能来自仿真或游戏的数据等等。可选地，所述数据表示可以包括几何信息和注释信息，其中，所述几何信息和注释信息可以一同存储。