[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

说明书

本公开提供了一种针对车辆的数据处理方法和数据处理模型的训练方法、装置、设备、介质和自动驾驶车辆，涉及人工智能领域，具体涉及自动驾驶和计算机视觉等技术领域。针对车辆的数据处理方法的具体实现方案为：采用感知网络对场景数据和车辆的运动数据进行编码，得到车辆所在场景中环境要素的要素特征；场景数据基于车辆上的传感器采集的原始数据得到；采用聚合网络对要素特征和与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聚合特征进行解码，得到针对车辆的预测结果，其中，预测结果包括车辆的预测轨迹信息，以及以下信息中的至少之一：环境要素的结构化信息、环境要素在未来时刻的预测位置信息。

技术领域

本公开涉及人工智能领域，具体涉及自动驾驶和计算机视觉等技术领域，尤其涉及一种针对车辆的数据处理方法和针对车辆的数据处理模型的训练方法、装置、设备、介质和自动驾驶车辆。

背景技术

随着经济的发展和生活水平的提高，安全且便利地出行成为人们的主要需求之一，自动驾驶技术随之得到快速发展。目前，L2级别的自动驾驶技术已经日趋成熟，L4级别的自动驾驶技术也有望投入商业应用。

但L4级别的自动驾驶技术的商业化仍存在瓶颈，例如通行效率低、规划的路径精度较低。

发明内容

本公开旨在提供一种利于提高路径规划精度的针对车辆的数据处理方法和针对车辆的数据处理模型的训练方法、装置、设备和介质。

根据本公开的第一个方面，提供了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车辆的运动数据进行编码，得到车辆所在场景中环境要素的要素特征；场景数据基于车辆上的传感器采集的原始数据得到；采用聚合网络对要素特征和与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聚合特征进行解码，得到针对车辆的预测结果，其中，预测结果包括车辆的预测轨迹信息，以及以下信息中的至少之一：环境要素的结构化信息、环境要素在未来时刻的预测位置信息。

根据本公开的第二个方面，提供了一种针对车辆的数据处理模型的训练方法，其中，数据处理模型包括感知网络、聚合网络和解码网络；方法包括：采用感知网络对样本数据包括的场景数据和车辆的运动数据进行编码，得到车辆所在场景中环境要素的要素特征；场景数据基于车辆上的传感器采集的原始数据得到；采用聚合网络对要素特征和样本数据包括的与车辆所在位置对应的地图数据进行集合，得到聚合特征；采用解码网络对聚合特征进行解码，得到针对车辆的预测结果；预测结果包括车辆的预测轨迹信息；以及根据车辆的预测轨迹信息和车辆的实际轨迹信息，对数据处理模型进行训练，其中，预测结果还包括以下信息中的至少之一：环境要素的结构化信息、环境要素在未来时刻的预测位置信息。

根据本公开的第三个方面，提供了一种针对车辆的预测装置，包括：编码模块，用于采用感知网络对场景数据和车辆的运动数据进行编码，得到车辆所在场景中环境要素的要素特征；场景数据基于车辆上的传感器采集的原始数据得到；聚合模块，用于采用聚合网络对要素特征和与车辆所在位置对应的地图数据进行聚合，得到聚合特征；以及解码模块，用于采用解码网络对聚合特征进行解码，得到针对车辆的预测结果，其中，预测结果包括车辆的预测轨迹信息，以及以下信息中的至少之一：环境要素的结构化信息、环境要素在未来时刻的预测位置信息。

根据本公开的第四个方面，提供了一种针对车辆的数据处理模型的训练装置，其中，数据处理模型包括感知网络、聚合网络和解码网络；装置包括：编码模块，用于采用感知网络对样本数据包括的场景数据和车辆的运动数据进行编码，得到车辆所在场景中环境要素的要素特征；场景数据基于车辆上的传感器采集的原始数据得到；聚合模块，用于采用聚合网络对要素特征和样本数据包括的与车辆所在位置对应的地图数据进行集合，得到聚合特征；解码模块，用于采用解码网络对聚合特征进行解码，得到针对车辆的预测结果；预测结果包括车辆的预测轨迹信息；以及第一训练模块，用于根据车辆的预测轨迹信息和车辆的实际轨迹信息，对数据处理模型进行训练，其中，预测结果还包括以下信息中的至少之一：环境要素的结构化信息、环境要素在未来时刻的预测位置信息。