[发明专利]针对车辆的数据处理方法和数据处理模型的训练方法

权利要求书

1.一种针对车辆的数据处理方法，包括：

采用感知网络对场景数据和所述车辆的运动数据进行编码，得到所述车辆所在场景中环境要素的要素特征；所述场景数据基于所述车辆上的传感器采集的原始数据得到；

采用聚合网络对所述要素特征和与所述车辆所在位置对应的地图数据进行聚合，得到聚合特征；以及

采用解码网络对所述聚合特征进行解码，得到针对所述车辆的预测结果，

其中，所述预测结果包括所述车辆的预测轨迹信息，以及以下信息中的至少之一：所述环境要素的结构化信息、所述环境要素在未来时刻的预测位置信息。

2.根据权利要求1所述的方法，其中，所述环境要素包括以下第一类要素中的至少之一：障碍物和道路要素；所述要素特征包括针对每个第一类要素的第一特征序列；所述聚合特征包括与所述第一特征序列对应的第一聚合特征；所述采用解码网络对所述聚合特征进行解码，得到针对所述车辆的预测结果包括：

采用第一解码子网络对所述第一聚合特征进行解码，得到所述每个第一类要素的结构化信息，

其中，所述预测结果包括所述每个第一类要素的结构化信息。

3.根据权利要求1所述的方法，其中，所述环境要素包括第二类要素，所述第二类要素包括预定路面网格中的每个单元格；所述预定路面网格是基于针对所述车辆的预定范围内区域构建的；所述要素特征包括针对所述每个单元格的第二特征序列；所述聚合特征包括与所述第二特征序列对应的第二聚合特征；所述采用解码网络对所述聚合特征进行解码，得到针对所述车辆的预测结果包括：

采用第二解码子网络对所述第二聚合特征进行解码，得到所述每个单元格的可行驶信息；以及

根据所述预定路面网格中所有单元格的可行驶信息，确定针对所述车辆的可行驶区域，

其中，所述预测结果包括所述可行驶区域。

4.根据权利要求1所述的方法，其中，所述环境要素包括第一类要素中的障碍物；所述要素特征包括针对每个第一类要素的第一特征序列；所述聚合特征包括与所述第一特征序列对应的第一聚合特征；所述采用解码网络对所述聚合特征进行解码，得到针对所述车辆的预测结果包括：

采用第三解码子网络对所述第一聚合特征中的目标特征进行解码，得到所述障碍物在未来时刻的预测位置信息，

其中，所述目标特征为与针对所述障碍物的第一特征序列对应的第一聚合特征；所述预测结果包括所述障碍物在未来时刻的预测位置信息。

5.根据权利要求1所述的方法，其中，所述采用解码网络对所述聚合特征进行解码，得到针对所述车辆的预测结果包括：

采用第四解码子网络对所述聚合特征中的所有特征进行解码，得到所述车辆的行驶体验信息，

其中，所述行驶体验信息包括以下信息中的至少两个：是否违章的信息、是否发生碰撞的信息、是否需要行驶干预的信息和行驶舒适度信息；所述预测结果包括所述行驶体验信息。

6.根据权利要求1所述的方法，其中，所述采用聚合网络对所述要素特征和与所述车辆所在位置对应的地图数据进行聚合，得到聚合特征包括：

确定所述地图数据的嵌入特征，得到地图特征；

确定提示数据的嵌入特征，得到提示特征；以及

采用所述聚合网络聚合所述要素特征、所述地图特征和所述提示特征，得到所述聚合特征。

7.根据权利要求6所述的方法，其中，所述采用所述聚合网络聚合所述要素特征、所述地图特征和所述提示特征，得到所述聚合特征包括：

采用所述聚合网络对所述要素特征、所述地图特征和所述提示特征进行基于注意力机制的时间-空间维度的交替聚合，得到所述聚合特征。

8.根据权利要求6或7所述的方法，其中，所述要素特征包括所述环境要素在多个历史时刻的多个特征；所述采用所述聚合网络聚合所述要素特征、所述地图特征和所述提示特征，得到所述聚合特征包括：

对所述多个历史时刻进行降采样，得到多个采样时刻；以及

采用所述聚合网络聚合所述环境要素在所述多个采样时刻的特征、所述地图特征和所述提示特征，得到所述聚合特征。