自动驾驶感知方法技术

本公开提供了自动驾驶感知方法

【技术实现步骤摘要】
自动驾驶感知方法、装置、电子设备及可读存储介质


[0001]本公开涉及人工智能
，具体为计算机视觉
、
虚拟现实
、
深度学习
、
大模型等
，可应用于自动驾驶等场景，具体而言，本公开涉及一种自动驾驶感知方法
、
装置
、
电子设备及可读存储介质
。

技术介绍

[0002]自动驾驶感知是为了在自动驾驶过程中对环境信息进行感知，为自动驾驶决策提供支持
。
[0003]鸟瞰视角
(Bird's Eye View
，
BEV)
，是一种从上方观看对象或场景的视角，就像鸟在空中俯视地面一样
。
鸟瞰图特征为鸟瞰视角下的图特征
。
在自动驾驶领域场景中，鸟瞰图特征能够用于处理一些自动驾驶感知任务
。
[0004]在使用鸟瞰图特征能够处理自动驾驶感知任务时，如何提升自动驾驶感知的准确性，成为了一个重要的技术问题
。

技术实现思路

[0005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种自动驾驶感知方法，包括：获取鸟瞰图特征，所述鸟瞰图特征是基于至少一种模态的环境感知数据提取的，所述环境感知数据是针对目标对象所处的目标空间采集的；将所述目标空间划分为多个体素，并基于各体素所处位置分别构建各体素对应的初始体素特征；基于所述初始体素特征以及所述鸟瞰图特征，提取目标体素特征；基于所述目标体素特征进行感知处理，得到所述目标空间的感知结果，所述感知处理包括占用预测以及与占用预测相关的至少一项相关感知处理
。2.
根据权利要求1所述的方法，其中，所述基于所述初始体素特征以及所述鸟瞰图特征，提取目标体素特征，包括：对所述初始体素特征进行全局自注意力处理，得到自注意力体素特征；基于所述自注意力体素特征以及所述鸟瞰图特征进行可变形交叉注意力处理，得到目标体素特征
。3.
根据权利要求2所述的方法，其中，所述基于所述自注意力体素特征以及所述鸟瞰图特征进行可变形交叉注意力处理，得到目标体素特征，包括：基于所述自注意力体素特征所对应体素的位置信息，对所述鸟瞰图特征进行局部特征提取，得到各所述自注意力体素特征对应的局部鸟瞰图特征；将各所述自注意力体素特征分别与相对应的局部鸟瞰图特征进行交叉注意力处理，得到交叉注意力体素特征；基于所述交叉注意力体素特征确定目标体素特征
。4.
根据权利要求3所述的方法，其中，所述基于所述交叉注意力体素特征确定目标体素特征，包括：将所述交叉注意力体素特征作为所述初始体素特征，对所述初始体素特征进行全局自注意力处理，得到自注意力体素特征；基于所述自注意力体素特征所对应体素的位置信息，对所述鸟瞰图特征进行局部特征提取，得到各所述自注意力体素特征对应的局部鸟瞰图特征；将各所述自注意力体素特征分别与相对应的局部鸟瞰图特征进行交叉注意力处理，得到交叉注意力体素特征；将满足预设条件的交叉注意力体素特征确定为目标体素特征
。5.
根据权利要求1‑4中任一项所述的方法，其中，所述基于各体素所处位置分别构建各体素对应的初始体素特征，包括：基于各体素所处位置进行位置编码，得到位置特征；对所述位置特征进行多层感知处理，得到多层感知结果；对所述多层感知结果进行至少一次线性变换，得到各体素对应的初始体素特征
。6.
根据权利要求1‑5中任一项所述的方法，其中，所述基于所述目标体素特征进行感知处理，得到所述目标空间的感知结果，包括：对所述目标体素特征进行反卷积处理，得到反卷积后体素特征；基于所述反卷积后体素特征进行占用预测，得到占用预测结果
。7.
根据权利要求1‑6中任一项所述的方法，其中，所述相关感知处理包括以下至少一
项：目标检测；车道线分割；可行驶区域分割
。8.
根据权利要求7所述的方法，其中，响应于所述相关感知处理包括目标检测，所述基于所述目标体素特征进行感知处理，得到所述目标空间的感知结果，包括：将所述目标体素特征的高度信息进行压缩，得到压缩后鸟瞰图特征；基于所述压缩后鸟瞰图特征进行目标检测，得到目标检测结果
。9.
根据权利要求1‑8中任一项所述的方法，其中，所述环境感知数据包括以下至少一项：图像数据；点云数据
。10.
根据权利要求9所述的方法，其中，响应于所述环境感知数据为图像数据，所述获取鸟瞰图特征，包括：基于预设的鸟瞰图特征提取模型，从所述图像数据提取鸟瞰图特征
。11.
一种自动驾驶感知装置，包括：鸟瞰图特征获取模块，用于获取鸟瞰图特征，所述鸟瞰图特征是基于至少一种模态的环境感知数据提取的，所述环境感知数据是针对目标对象所处的目标空间采集的；初始体素特征构建模块，用于将所...

【专利技术属性】
技术研发人员：王童，叶晓青，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：