[发明专利]驾驶场景的表示方法、装置、系统和存储介质

权利要求书

1.一种驾驶场景的表示方法，其特征在于，包括：

预处理原始场景序列，得到训练场景序列，其中，所述原始场景序列中的每帧原始数据均包括场景感知数据和驾驶行为数据，所述训练场景序列中的每帧训练数据均包括场景感知向量和驾驶行为向量；

基于所述训练场景序列训练场景嵌入模型；

将目标场景的感知数据输入训练好的场景嵌入模型，得到所述目标场景的表示向量；

其中，所述基于所述训练场景序列训练场景嵌入模型，包括：

从当前窗口的所述训练场景序列中，采样当前帧训练数据和正样本训练数据集，其中，所述正样本训练数据集包括所述当前帧训练数据的前N帧训练数据和后N帧训练数据，N为正整数；

从所述当前窗口之外的所述训练场景序列中，采样负样本训练数据集，其中，所述负样本训练数据集包括随机采样的2N帧训练数据；

基于所述当前帧训练数据、所述正样本训练数据集和所述负样本训练数据集训练所述场景嵌入模型。

2.根据权利要求1所述的方法，其特征在于，预处理原始场景序列，得到训练场景序列，包括：

根据横向分辨率和纵向分辨率，将所述场景感知数据的物理感知范围划分为多个物理感知单元格；

根据所述场景感知数据中的障碍物信息，设置每个所述物理感知单元格中的参数信息；

用多个包含所述参数信息的物理感知单元格表示所述场景感知向量。

3.根据权利要求1所述的方法，其特征在于，预处理原始场景序列，得到训练场景序列，包括：

将所述驾驶行为数据映射到离散语义类别，得到所述驾驶行为向量。

4.根据权利要求1所述的方法，其特征在于，所述当前帧训练数据包括当前帧场景感知向量和当前帧驾驶行为向量，所述正样本训练数据集包括2N帧正样本场景感知向量和2N帧正样本驾驶行为向量，所述负样本训练数据集包括2N帧负样本场景感知向量和2N帧负样本驾驶行为向量，基于所述当前帧训练数据、所述正样本训练数据集和所述负样本训练数据集训练所述场景嵌入模型，包括：

将所述当前帧场景感知向量、2N帧所述正样本场景感知向量和2N帧所述负样本场景感知向量输入所述场景嵌入模型，分别得到当前帧嵌入向量、2N帧正样本嵌入向量和2N帧负样本嵌入向量；

根据每帧所述正样本嵌入向量与所述当前帧嵌入向量之间的相似度和第一行为权重，确定正样本相似度，所述第一行为权重根据所述正样本嵌入向量对应的驾驶行为向量与所述当前帧嵌入向量对应的驾驶行为向量之间的相似度确定；

根据每帧所述负样本嵌入向量与所述当前帧嵌入向量之间的相似度和第二行为权重，确定负样本相似度，所述第二行为权重根据所述负样本嵌入向量对应的驾驶行为向量与所述当前帧嵌入向量对应的驾驶行为向量之间的相似度确定；

根据所述正样本相似度和所述负样本相似度，调整所述场景嵌入模型的模型参数。

5.根据权利要求4所述的方法，其特征在于，根据所述正样本相似度和所述负样本相似度，调整所述场景嵌入模型的参数，包括：

以最大化所述正样本相似度和最小化所述负样本相似度为收敛目标，调整所述场景嵌入模型的模型参数。

6.根据权利要求1至5任一项所述的方法，其特征在于，将目标场景的感知数据输入训练好的场景嵌入模型，得到所述目标场景的表示向量，包括：

将所述目标场景的两帧感知数据输入所述训练好的场景嵌入模型，分别得到第一表示向量和第二表示向量；

根据所述第一表示向量和所述第二表示向量之间的相似度，判断所述目标场景的变化度。

7.根据权利要求1至5任一项所述的方法，其特征在于，所述目标场景包括第一目标场景和第二目标场景，将目标场景的感知数据输入训练好的场景嵌入模型，得到所述目标场景的表示向量，包括：

将所述第一目标场景的感知数据输入所述训练好的场景嵌入模型，得到第一场景嵌入向量；

将所述第二目标场景的感知数据输入所述训练好的场景嵌入模型，得到第二场景嵌入向量；

根据所述第一场景嵌入向量和所述第二场景嵌入向量之间的相似度，判断所述第一目标场景与所述第二目标场景是否属于同一类场景。