场景识别方法与装置制造方法及图纸

本申请公开了一种场景识别方法和装置，能够提高计算速率。该方法包括：获取车辆行驶信息；利用场景识别模型对车辆行驶信息进行处理，以确定多个场景中每个场景的概率，场景识别模型为训练得到的高斯混合模型；在多个场景中，确定概率最高的场景为目标场景。确定概率最高的场景为目标场景。确定概率最高的场景为目标场景。

【技术实现步骤摘要】
场景识别方法与装置


[0001]本申请涉及车辆领域，并且更具体地，涉及一种场景识别方法与装置。

技术介绍

[0002]人工智能(artificial intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。
[0003]在自动驾驶算法还无法实现端到端的全场景覆盖自动驾驶算法的情况下，在遇到不同的场景时，可以利用不同的自动驾驶算法进行处理，以提升对复杂场景的适应能力。因此，需要对车辆行驶的场景进行准确识别。
[0004]可以通过人工设置规则进行场景的识别，但是人工成本较高。可以利用神经网络模型对车辆行驶信息进行处理，实现场景识别，但神经网络模型处理所需的时间较长，处理效率较低。

技术实现思路

[0005]本申请提供一种场景识别方法和装置，能够提高场景识别的处理效率。
[0006]第一方面，提供一种场景识别方法，该方法包括：获取车辆行驶信息；利用场景识别模型对所述车辆行驶信息进行处理，以确定多个场景中每个场景的概率，所述场景识别模型为训练得到的高斯混合模型；在所述多个场景中，确定概率最高的场景为目标场景。
[0007]利用训练得到的高斯混合模型对车辆行驶信息进行处理，确定目标场景，可以降低人工成本，降低进行场景识别所需的时间，提高处理效率。
[0008]结合第一方面，在一些可能的实现方式中，所述场景识别模型包括多个子模型，所述多个子模型与所述多个场景一一对应，每个场景对应的子模型用于根据所述车辆行驶信息确定所述场景的概率。
[0009]利用高斯混合模型对车辆行驶信息进行处理，可以通过场景识别模型中每个场景对应的子模型计算该场景的概率，从而确定概率最高的场景为目标场景。
[0010]结合第一方面，在一些可能的实现方式中，在多个所述场景中的至少一个场景划分为多个子场景的情况下，所述方法还包括：获取第二训练数据集合，所述第二训练数据集合包括训练车辆行驶信息和所述训练车辆行驶信息对应的训练子场景，所述多个子场景包括所述训练子场景；利用所述第二训练数据集合，训练所述多个子场景对应的子模型；根据所述多个子场景对应的子模型，更新所述场景识别模型。
[0011]在多个所述场景中的至少一个场景划分为多个子场景的情况下，仅对多个子场景
processing unit，NPU)和张量处理器(tensor processing unit，TPU)等等。其中，TPU是谷歌(google)为机器学习全定制的人工智能加速器专用集成电路。
[0023]第四方面，提供一种计算机可读介质，该计算机可读介质存储用于设备执行的程序代码，该程序代码包括用于执行第一方面或第一方面中的任意一种实现方式所述的方法。
[0024]第五方面，提供一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述第一方面或第一方面中的任意一种实现方式所述的方法。
[0025]第六方面，提供一种芯片，所述芯片包括处理器与数据接口，所述处理器通过所述数据接口读取存储器上存储的指令，执行上述第一方面或第一方面中的任意一种实现方式所述的方法。
[0026]可选地，作为一种实现方式，所述芯片还可以包括存储器，所述存储器中存储有指令，所述处理器用于执行所述存储器上存储的指令，当所述指令被执行时，所述处理器用于执行第一方面中的任意一种实现方式中的方法。
[0027]上述芯片具体可以是现场可编程门阵列(field－programmable gate array，FPGA)或者专用集成电路(application
‑
specific integrated circuit，ASIC)。
附图说明
[0028]图1是本申请实施例适用的一种车辆的功能框图。
[0029]图2是本申请实施例适用的一种自动驾驶系统的示意图。
[0030]图3是一种树结构的场景模型的示意图。
[0031]图4是一种场景识别方法的示意性流程图。
[0032]图5是本申请实施例提供的一种场景识别方法的示意性流程图。
[0033]图6是车辆的定位数据指示的车辆位置的示意图。
[0034]图7是增加场景的示意图。
[0035]图8是树结构的场景关系信息的示意图。
[0036]图9是本申请实施例提供的一种场景结构关系的示意图。
[0037]图10是本申请实施例提供的一种场景识别装置的示意性就构图。
[0038]图11是本申请实施例提供的另一种场景识别装置的示意性结构图。
具体实施方式
[0039]本申请实施例所提供的电子机械制动方法和/或装置可以应用于各类车辆。这些方法和/或装置既可以应用于人工驾驶，又可以应用于辅助驾驶，还可以应用于自动驾驶。下面结合附图，对本申请实施例的技术方案进行介绍。
[0040]图1是本申请实施例适用的一种车辆的功能框图。其中，车辆100可以是人工驾驶车辆，或者可以将车辆100配置可以为完全或部分地自动驾驶模式。
[0041]在一个示例中，车辆100可以在处于自动驾驶模式中的同时控制自车，并且可通过人为操作来确定车辆及其周边环境的当前状态，确定周边环境中的至少一个其他车辆的可能行为，并确定其他车辆执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时，可以将车辆100置为在没有和人交互的情
况下操作。
[0042]车辆100中可以包括各种子系统，例如，传感系统120、计算机系统150和用户接口170等。
[0043]可选地，车辆100可以包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆100的每个子系统和元件可以通过有线或者无线互连。
[0044]传感系统120可以包括感测关于车辆100周边的环境的信息的若干个传感器。
[0045]例如，传感系统120可以包括定位系统121(例如，全球定位系统(global positioning system,GPS)、北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)122、雷达123、激光测距仪124、相机125以及车速传感器126。传感系统120还可以包括被监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种场景识别方法，其特征在于，包括：获取车辆行驶信息；利用场景识别模型对所述车辆行驶信息进行处理，以确定多个场景中每个场景的概率，所述场景识别模型为训练得到的高斯混合模型；在所述多个场景中，确定概率最高的场景为目标场景。2.根据权利要求1所述的方法，其特征在于，所述场景识别模型包括多个子模型，所述多个子模型与所述多个场景一一对应，每个场景对应的子模型用于根据所述车辆行驶信息确定所述场景的概率。3.根据权利要求2所述的方法，其特征在于，在多个所述场景中的至少一个场景划分为多个子场景的情况下，所述方法还包括：获取训练数据集合，所述训练数据集合包括训练车辆行驶信息和所述训练车辆行驶信息对应的训练子场景，所述多个子场景包括所述训练子场景；利用所述训练数据集合，训练所述多个子场景对应的子模型；根据所述多个子场景对应的子模型，更新所述场景识别模型。4.根据权利要求2或3所述的方法，其特征在于，所述多个子模型中高斯核的数量不同。5.根据权利要求2
‑
4中任一项所述的方法，其特征在于，所述车辆行驶信息包括多个物理信息，每个子模型用于对所述车辆行驶信息中所述子模型对应的至少一个物理信息进行处理，所述多个子模型中第一子模型与对应的至少一个物理信息与第二子模型对应的至少一个物理信息不同。6.根据权利要求2
‑
5中任一项所述的方法，其特征在于，在所述多个场景合中的多个第一场景合并为第二场景的情况下，所述第二场景的概率为所述多个第一场景合的概率之和。7.根据权利要求1
‑
6中任一项所述的方法，其特征在于，所述目标场景在多个应用模块中所属的目标类型不同，所述多个应用模块对应多个场景结构关系，每个应用模块对应的场景结构关系用于指示所述多个场景中每个场景所属的类型。8.一种场景识别装置，其特征在于，包括：获取模块和处理模块；所述获取模块用于，获取车辆行驶信息；所述处理模块用于，利用场景识别模型对所述车辆行驶信息进行处理，以确定多个场景中每个场景的概率，所述场景识别模型为训练得到的高斯混合模型；所述处理模块还用于，在所述多个场景中，确定概率最高的场景为目标场景。9.根据权利要求8所述的装置，...

【专利技术属性】
技术研发人员：许轲，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：