【技术实现步骤摘要】
场景任务处理方法、装置、设备和计算机可读存储介质
[0001]本申请涉及图像处理技术,尤其涉及一种场景任务处理方法、装置、设备和计算机可读存储介质。
技术介绍
[0002]随着自动驾驶技术的发展,需要对智能移动体进行轨迹预测,甚至路线规划,这些都需要根据智能移动体自身的数据,提取特征,将特征输入相应下游任务对应的网络进行处理;目前,通常利用坐标表示驾驶场景中智能移动体等物体的信息,对信息进行编码,从而提取物体的特征;然而,这种方式一般是针对各个物体提取特征,导致对整个场景中的特征提取不充分,影响了下游任务处理的准确性。
技术实现思路
[0003]本申请实施例提供一种场景任务处理方法、装置、设备和计算机可读存储介质,优化了场景任务处理的均衡性,提高了场景任务处理效果。
[0004]本申请的技术方案是这样实现的:
[0005]本申请实施例提供一种场景任务处理方法,包括:
[0006]获取场景中的多种类型物体的属性信息;根据所述多种类型物体中每个物体的属性信息,确定每个节点的初始节点特征,以及两两节点之间构成的边中每个边的初始边特征;所述初始边特征表征两两节点对应的两两物体之间的语义关系特征和相对位置关系特征;其中,所述每个物体对应一个节点;所述每个节点和所述每个边组成异质图;基于所述每个节点的初始节点特征和所述每个边的初始边特征,通过更新网络对所述每个节点和所述每个边进行多个组合种类的特征更新,得到每个节点更新特征和每个边更新特征;其中,所述组合种类用于表征边的两个节点为一组的节点 ...
【技术保护点】
【技术特征摘要】
1.一种场景任务处理方法,其特征在于,包括:获取场景中的多种类型物体的属性信息;根据所述多种类型物体中每个物体的属性信息,确定每个节点的初始节点特征,以及两两节点之间构成的边中每个边的初始边特征;所述初始边特征表征两两节点对应的两两物体之间的语义关系特征和相对位置关系特征;其中,所述每个物体对应一个节点;所述每个节点和所述每个边组成异质图;基于所述每个节点的初始节点特征和所述每个边的初始边特征,通过更新网络对所述每个节点和所述每个边进行多个组合种类的特征更新,得到每个节点更新特征和每个边更新特征;其中,所述组合种类用于表征边的两个节点为一组的节点类型组合种类;基于所述每个节点更新特征和所述每个边更新特征进行场景任务处理。2.根据权利要求1所述的方法,其特征在于,所述获取场景中的多种类型物体的属性信息,包括:获取场景中在目标时间段内所述多种类型物体中每个物体的全局属性信息;所述全局属性信息用于表征在全局坐标系下,物体对应于所述目标时间段的属性信息;将所述每个物体的全局属性信息转换到对应物体自身的相对坐标系下,得到所述每个物体的属性信息,从而得到所述多种类型物体的属性信息;所述每个物体自身的相对坐标系的原点为对应物体在所述目标时间段的终止时间所处的位置。3.根据权利要求1或2所述的方法,其特征在于,所述更新网络包括至少一层更新网络;所述基于所述每个节点的初始节点特征和所述每个边的初始边特征,通过更新网络对所述每个节点和所述每个边进行多个组合种类的特征更新,得到每个节点更新特征和每个边更新特征,包括:基于所述每个节点的初始节点特征和所述每个边的初始特征,通过至少一层更新网络,对所述每个节点和所述每个边进行多个组合种类的至少一次特征更新,得到所述每个节点更新特征和所述每个边更新特征。4.根据权利要求3所述的方法,其特征在于,所述至少一层包括n层;n≥2,n为正整数;所述基于所述每个节点的初始节点特征和所述每个边的初始特征,通过至少一层更新网络,对所述每个节点和所述每个边进行多个组合种类的至少一次特征更新,得到所述每个节点更新特征和所述每个边更新特征,包括:基于所述每个节点的初始节点特征和所述每个边的初始特征,通过第1层更新网络,对所述每个节点和所述每个边进行多个组合种类的第1次特征更新,得到每个节点的第1节点更新特征和每个边的第1边更新特征;基于每个第i
‑
1节点的第i
‑
1节点更新特征和每个第i
‑
1边的第i
‑
1边更新特征,通过第i层更新网络,对所述每个第i
‑
1节点和所述每个第i
‑
1边进行特征更新,得到每个节点的第i节点更新特征和每个边的第i边更新特征,继续进行第i+1次更新,直到第n次,得到每个节点的第n节点更新特征和每个边的第n边更新特征;其中,n
‑
1≥i≥2;将所述每个节点的第n节点更新特征作为所述每个节点更新特征,以及,将所述每个边的第n边更新特征作为所述每个边更新特征。5.根据权利要求4所述的方法,所述第i层更新网络包括第i层节点更新网络和第i层边更新网络;
所述基于每个第i
‑
1节点的第i
‑
1节点更新特征和每个第i
‑
1边的第i
‑
1边更新特征,通过第i层更新网络,对所述每个第i
‑
1节点和所述每个第i
‑
1边进行特征更新,得到每个节点的第i节点更新特征和每个边的第i边更新特征,包括:基于所述每个第i
‑
1节点更新特征,以及与每个第i
‑
1节点对应的入边的第i
‑
1边更新特征,通过第i层节点更新网络,对所述每个第i
‑
1节点进行多个组合种类的特征更新,得到所述每个节点的第i节点更新特征;基于所述每个第i
‑
1边更新特征,以及与每个第i
‑
1边的源节点的第i
‑
1节点更新特征,通过第i层边更新网络,对所述每个第i
‑
1边进行多个组合种类的特征更新,得到所述每个边的第i边更新特征。6.根据权利要求5所述的方法,其特征在于,所述第i层节点更新网络包括与多个组合种类对应的多个自注意力网络和节点感知网络;所述基于所述每个第i
‑
1节点更新特征,以及与每个第i
‑
1节点对应的入边的第i
‑
1边更新特征,通过第i层节点更新网络,对所述每个第i
‑
1节点进行多个组合种类的特征更新,得到所述每个节点的第i节点更新特征,包括:基于所述每个第i
‑
1节点更新特征,以及与所述每个第i
‑
1节点对应的入边的第i
‑
1边更新特征,通过所述多个自注意力网络,得到所述每个第i
‑
1节点的多个注意力特征;通过所述节点感知网络,对所述每个第i
‑
1节点的多个注意力特征进行拼接,得到所述每个节点的第i节点更新特征。7.根据权利要求6所述的方法,其特征在于,所述基于所述每个第i
‑
1节点更新特征,以及与所述每个第i
‑
1节点对应的入边的第i
‑
1边更新特征,通过所述多个自注意力网络,得到所述每个第i
‑
1节点的多个注意力特征,包括:根据每个节点对应的物体类型,获取每个第i
‑
1节点的索引矩阵;以及,根据所述每个...
【专利技术属性】
技术研发人员:贾萧松,吴鹏浩,陈立,李弘扬,李阳,严骏驰,
申请(专利权)人:上海人工智能创新中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。