[發明專利]駕駛場景分類方法、裝置、設備及可讀存儲介質

有效

• 申請號: 202011171517.9
• 申請日: 2020-10-29
• 公開（公告）號: CN112396093B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 曹曼曼;趙帥;寶鶴鵬;陳超;仝湘媛
• 申請（專利權）人: 中國汽車技術研究中心有限公司;中汽數據（天津）有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種駕駛場景分類方法，其特征在于，包括：

獲取車輛駕駛過程中連續多個采樣點的駕駛數據；

提取每個采樣點的駕駛數據的駕駛特征，得到多個采樣點的駕駛特征；

按照設定時長，將多個采樣點的駕駛特征進行滑動窗口處理，分別得到多個時間窗口；

以所述駕駛特征的數量、所述設定時長和所述時間窗口的數量作為三維數據維度，將所述多個采樣點的駕駛特征構建為張量；

將所述張量輸入至駕駛場景分類模型，得到每個采樣點的駕駛數據所屬的駕駛場景；

所述駕駛場景分類模型包括單時間窗口分類網絡和融合網絡；

所述單時間窗口分類網絡用于對所述張量中的單時間窗口進行駕駛場景分類，得到每個時間窗口所屬的駕駛場景；

所述融合網絡用于統計每個采樣點的駕駛特征所屬的多個目標時間窗口，并結合每個時間窗口所屬的駕駛場景，得到每個采樣點的駕駛特征所屬的多個駕駛場景；對每個采樣點的駕駛特征所屬的多個駕駛場景進行融合，得到每個采樣點的駕駛數據所屬的駕駛場景。

2.根據權利要求1所述的方法，其特征在于，所述每個采樣點的駕駛數據包括本車駕駛數據、周邊車輛駕駛數據、車道線數據和交通環境數據；

所述提取每個采樣點的駕駛數據的駕駛特征，得到多個采樣點的駕駛特征，包括：

根據每個采樣點的本車位置和周邊車輛位置，計算每個采樣點處所述周邊車輛與本車的橫向距離和縱向距離；

從每個采樣點處周邊車輛的駕駛速度中分離出橫向速度和縱向速度；

將每個采樣點處所述周邊車輛與本車的橫向距離和縱向距離，所述周邊車輛的橫向速度和縱向速度，所述周邊車輛的駕駛方向，所述車道線數據和所述交通環境數據進行橫向排列，作為每個采樣點的駕駛特征。

3.根據權利要求1所述的方法，其特征在于，所述單時間窗口分類網絡為長短期記憶網絡LSTM。

4.根據權利要求1-3任一項所述的方法，其特征在于，在所述將所述張量輸入至駕駛場景分類模型，得到每個采樣點的駕駛數據所屬的駕駛場景之前，還包括：

獲取車輛駕駛過程中連續多個采樣點的駕駛數據樣本，以及每個采樣點的駕駛數據樣本所屬的駕駛場景標注；

提取每個采樣點的駕駛數據樣本的駕駛特征，得到多個采樣點的駕駛特征樣本；

按照設定時長，將所述多個采樣點的駕駛特征樣本進行滑動窗口處理，分別得到多個時間窗口樣本；

以所述駕駛特征樣本的數量、所述設定時長和所述時間窗口樣本的數量作為三維數據維度，將所述多個采樣點的駕駛特征樣本構建為張量樣本；

根據所述張量樣本和每個采樣點的駕駛數據樣本所屬的駕駛場景標注，初步訓練所述駕駛場景分類模型；

對初步訓練后的駕駛場景分類模型輸出的，每個采樣點的駕駛數據所屬的駕駛場景進行時間排序，得到駕駛場景的時間序列；

從所述駕駛場景的時間序列中截取至少一個修正窗口，每個修正窗口包括連續多個駕駛場景，且首尾駕駛場景一致；

對初步訓練后的駕駛場景分類模型進行再次訓練，以使每個修正窗口內連續多個駕駛場景均一致。

5.根據權利要求4所述的方法，其特征在于，在所述對初步訓練后的駕駛場景分類模型進行再次訓練，以使每個修正窗口內連續多個駕駛場景均一致之后，還包括：

調整所述設定時長，并返回時間窗口樣本的獲取操作，直到所述駕駛場景分類模型的精度達到設定閾值。

6.根據權利要求1-3任一項所述的方法，其特征在于，在所述將所述張量輸入至駕駛場景分類模型，得到每個采樣點的駕駛數據所屬的駕駛場景之后，還包括：

根據每個采樣點的駕駛數據所屬的駕駛場景，統計屬于同一駕駛場景的駕駛數據；

根據屬于同一駕駛場景的駕駛數據生成仿真場景測試用例；

采用所述仿真場景測試用例對自動駕駛功能進行開發和驗證。