[发明专利]驾驶场景数据的分类方法、装置、电子设备及存储介质

权利要求书

1.一种驾驶场景数据的分类方法，其特征在于，包括：

获取第一车辆在指定时间段内的驾驶场景数据，所述驾驶场景数据至少包括所述第一车辆上的雷达采集的多帧点云数据；

基于每帧点云数据，对所述第一车辆和所述第一车辆周围的第二车辆之间的相对位置关系进行分析，得到相对位置特征向量；

基于所述相对位置特征向量，确定在采集所述点云数据时的场景表征向量；

对在采集各帧点云数据时的场景表征向量之间的关联关系进行分析，得到场景特征向量；

基于所述场景特征向量进行驾驶场景分类，得到所述第一车辆在所述指定时间段内的驾驶场景分类结果。

2.如权利要求1所述的方法，其特征在于，基于每帧点云数据，对所述第一车辆和所述第一车辆周围的第二车辆之间的相对位置关系进行分析，得到相对位置特征向量，包括：

对所述点云数据进行分析，以确定所述点云数据中属于所述第二车辆的目标点云数据；

基于所述目标点云数据，生成所述第一车辆和所述第二车辆之间鸟瞰图视角的位置参考图；

对所述位置参考图进行特征提取，得到所述相对位置特征向量。

3.如权利要求2所述的方法，其特征在于，对所述位置参考图进行特征提取，得到所述相对位置特征向量，包括：

通过特征提取模型对所述位置参考图进行特征提取，得到所述相对位置特征向量；

其中，所述特征提取模型是根据以下步骤建立的：

将获取的位置参考图样本输入编码网络中进行特征提取；

将提取结果输入解码网络中进行特征解析，得到预测图像；

基于所述预测图像和所述位置参考图样本，调整所述编码网络和/或所述解码网络的网络参数，直至确定所述预测图像和所述位置参考图样本之间的差异小于预设差异时，将当前的编码网络确定为所述特征提取模型。

4.如权利要求1所述的方法，其特征在于，所述驾驶场景数据还包括所述第一车辆的控制表征数据，所述控制表征数据用于表征所述第一车辆的控制状态，还包括：

从所述控制表征数据中选择采集时间与所述点云数据的采集时间匹配的目标控制表征数据；

对所述目标控制表征数据进行分析，得到所述第一车辆的控制特征向量；

基于所述相对位置特征向量，确定在采集所述点云数据时的场景表征向量，包括：

对所述相对位置特征向量和所述控制特征向量进行融合处理，得到在采集所述点云数据时的场景表征向量。

5.如权利要求4所述的方法，其特征在于，对所述目标控制表征数据进行分析，得到所述第一车辆的控制特征向量，包括：

对所述目标控制表征数据中的每类数据进行归一化处理，得到该类数据的归一化值；

对各类数据的归一化值进行组合，得到所述第一车辆的控制特征向量。

6.如权利要求1～5任一所述的方法，其特征在于，对在采集各帧点云数据时的场景表征向量之间的关联关系进行分析，得到场景特征向量，包括：

按照点云数据的采集顺序，将各场景表征向量输入特征分析模型中进行分析，得到场景特征向量；

其中，所述特征分析模型是根据以下步骤建立的：

获取车辆样本的场景表征向量序列；

将所述车辆样本的场景表征向量序列输入序列分析网络中进行关联分析；

将分析结果输入序列解析网络中进行驾驶场景解析，得到预测向量序列；

基于所述预测向量序列和所述场景表征向量序列，调整所述序列分析网络和/或所述序列解析网络的网络参数，直至确定所述预测向量序列和所述场景表征向量序列之间的差异小于设定差异时，将当前的序列分析网络确定为所述特征分析模型。