[发明专利]一种场景识别方法、装置、存储介质及无人设备

说明书

本说明书公开了一种场景识别方法、装置、存储介质及无人设备。根据所获取到的目标设备周围的各障碍物的运动特征，通过确定每个障碍物与各障碍物的交互权重，确定出目标设备所在场景整体的场景特征，并根据该场景特征识别目标设备所在的场景的场景类型，为后续根据场景类型确定目标设备的行为决策以及规划参考轨迹提供基础。

技术领域

本说明书涉及无人驾驶领域，尤其涉及一种场景识别方法、装置、存储介质及无人设备。

背景技术

目前，在对无人设备进行控制时，通常会为无人设备规划出未来一段时间内的参考轨迹，以指导无人设备跟踪参考轨迹运动。

参考轨迹的规划依赖于为无人设备所作出的行为决策。以无人设备为无人车为例，如图1所示，当为无人车A所作出的行为决策为由车道二换道至车道三时，根据该行为决策中所包含的决策参数，即当前车道、换道车道以及并道速度，可以为无人车A规划出对应的参考轨迹。

而行为决策的确定则依赖于无人设备自身和周边的各种运动数据。仍然以无人车为例，在确定无人车的行为决策时，不仅需要考虑无人车的目的地、为了达到目的地需要进入的车道，以及无人车自身的运动状态（诸如位置、速度），并且为了对障碍物进行躲避，还要考虑无人车周边各障碍物的运动状态等等。具体的，通常会根据上述信息为无人车分别做出相对于每个障碍物的个体决策，再综合无人车的各个体决策为无人车确定出综合的行为决策。

而为无人车所做出的每个个体决策则依赖于场景的构建，即基于预先设定的规则，确定出无人车所在周边属于何种具有实际意义的场景，在图1中，车E可以分别与无人车A和车D构成两个会车场景，而无人车A与车D，以及车B与车C则分别为两个跟车场景。此时，对于无人车A来说，对于车E所坐车的个体决策是基于车E所处的两会车场景之上的，而对于车D所做出的个体决策则是基于车D所处的跟车场景之上，例如需要以多少的跟车速度，保持与车D之间的多少跟车距离跟随车D行驶。

但当无人设备所处的周边环境复杂时，难以根据预先设定的规则准确划分出具有实际意义的场景。其次，当单个障碍物同时处于不同的场景中时，对于处于不同场景的同一障碍物可能会作出并不相同甚至相互矛盾的个体决策，从而难以确定出无人设备的行为决策。此外，以若干相互独立的场景来对无人设备所处环境进行描述的方式，难免丧失构成各独立的场景的障碍物之间的交互数据，从而影响所作出的行为决策的准确性。

可以看出，如何识别无人设备所在场景是一个亟待解决的问题。

发明内容

本说明书提供一种场景识别方法、装置、存储介质及无人设备，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种场景识别方法，包括：

获取目标设备周围的障碍物的运动轨迹，通过预先训练的场景识别模型，根据所述运动轨迹确定障碍物的运动特征；

根据各障碍物的运动特征，通过所述场景识别模型，针对每个障碍物，确定该障碍物与各障碍物的交互权重，并根据各障碍物的运动特征，以及该障碍物与各障碍物的交互权重确定该障碍物的交互运动特征；

根据各障碍物的交互运动特征，通过所述场景识别模型确定所述目标设备所在的场景的场景特征；

根据所述场景特征，通过所述场景识别模型，从预先设定的各场景类型中选择出目标设备所在的场景的场景类型。

可选地，所述场景识别模型包括：编码端、注意力网络以及解码端。

可选地，获取目标设备周围的障碍物的运动轨迹，通过预先训练的场景识别模型，根据所述运动轨迹确定障碍物的运动特征，具体包括：

获取障碍物在第一预设时段内每一时刻的轨迹点，并针对每个时刻，根据障碍物在该时刻的运动状态确定障碍物在该时刻的基础运动特征，其中，所述运动状态包括障碍物在该时刻的速度、位置中的至少一个；