[發明專利]關鍵目標物的識別方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202110944797.0
• 申請日: 2021-08-17
• 公開（公告）號: CN113673412B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 劉洋
• 申請（專利權）人: 馭勢（上海）汽車科技有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/764;G06V10/80;G06V10/82;G06N3/0442;G06N3/047;G06N3/048;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 嚴慧

1.一種關鍵目標物的識別方法，其特征在于，包括：

在車輛處于自動駕駛啟動模式下，獲取車輛周圍環境中的目標物；

獲取與所述目標物對應的目標物關聯描述參數集；

將所述目標物關聯描述參數集輸入至LSTM網絡中，得到所述目標物對應的關鍵目標物識別結果；

其中，將所述目標物關聯描述參數集輸入至LSTM網絡中，得到所述目標物對應的關鍵目標物識別結果，包括：

將所述目標物的目標物關聯描述參數集輸入至全連接網絡中，獲取所述全連接網絡針對所述目標物關聯描述參數集輸出的全局融合抽象結果；

將所述目標物的全局融合抽象結果輸入至所述LSTM網絡，獲取所述LSTM網絡輸出的多個長短期融合結果；

將各所述長短期融合結果輸入至分類網絡中，獲取所述分類網絡輸出的所述關鍵目標物識別結果。

2.根據權利要求1所述的方法，其特征在于，將所述目標物的目標物關聯描述參數集輸入至全連接網絡中，包括：

按照預設的分類規則對所述目標物關聯描述參數集中包括的各目標物關聯描述參數進行分組，得到多個參數分組，并將各所述參數分組并行輸入至全連接網絡中。

3.根據權利要求1所述的方法，其特征在于，所述全連接網絡具體包括：多個局部子網絡，以及與各局部子網絡分別相連的統一全連接層，其中，不同的局部子網絡用于輸入不同的參數分組；

所述局部子網絡，用于將輸入的參數分組中的各目標物關聯描述參數進行至少一級的全連接處理，得到局部融合抽象結果；

所述統一全連接層，用于對各局部子網絡輸出的局部融合抽象結果進行全連接處理，得到所述全局融合抽象結果。

4.根據權利要求3所述的方法，其特征在于，所述局部子網絡包括：多個依次相連的局部全連接層，每個局部全連接層中包括多個全連接節點；

其中，后一層全連接層中的每個全連接節點分別與前一層全連接層中的每個全連接節點相連，參數分組中包括的每個目標物關聯描述參數分別輸入至首個全連接層中的每個全連接節點中。

5.根據權利要求1所述的方法，其特征在于，所述分類網絡包括：第一全連接節點、第二全連接節點，以及與第一全連接節點和第二全連接節點分別相連的softmax分類器；所述第一全連接節點和第二全連接節點分別與LSTM網絡的各輸出端相連。

6.根據權利要求5所述的方法，其特征在于，所述第一全連接節點，用于將輸入的各長短期融合結果進行全連接處理，得到第一處理結果；

所述第二全連接節點，用于將輸入的各長短期融合結果進行全連接處理，得到第二處理結果；

所述softmax分類器，用于根據第一處理結果和第二處理結果，得到所述目標物是否為關鍵目標物的識別結果。

7.根據權利要求2所述的方法，其特征在于，按照預設的分類規則對所述目標物關聯描述參數集中包括的各目標物關聯描述參數進行分組，得到多個參數分組，包括：

在目標物關聯描述參數集中，獲取與目標物的運行狀態匹配的各目標物關聯描述參數集構建第一參數分組；

在目標物關聯描述參數集中，獲取與目標物的附屬檢測屬性匹配的各目標物關聯描述參數集構建第二參數分組；

在目標物關聯描述參數集中，獲取與車道線匹配的各目標物關聯描述參數集構建第三參數分組；

在目標物關聯描述參數集中，獲取與所述車輛的車輛狀態匹配的各目標物關聯描述參數集構建第四參數分組。

8.根據權利要求7所述的方法，其特征在于，所述第一參數分組包括：目標物距離車輛的橫縱向距離，目標物的橫縱向速度以及檢測到目標物的至少一個傳感器的融合狀態；

所述第二參數分組包括：雷達反射截面、檢測到目標物的至少一個傳感器的融合狀態以及目標物的類別屬性；

所述第三參數分組包括：目標物到左右車道線的距離以及左右車道線的有效延伸距離；

所述第四參數分組包括：車輛速度，車輛橫擺角速度以及車輛方向盤轉角。