【技术实现步骤摘要】
本说明书涉及计算机，尤其涉及一种意图识别的方法、自动驾驶车辆及存储介质。
技术介绍
1、随着科学技术的发展，自动驾驶应用的越来越广泛，比如可以应用于汽车、无人车和无人机等驾驶设备。在自动驾驶过程中，避免驾驶设备与障碍物发生碰撞，通常需要识别行驶过程中设备周围的障碍物，并对障碍物的运动意图进行识别，以规划驾驶设备的运动轨迹，使得驾驶设备能够安全行驶。
技术实现思路
1、本说明书提供一种意图识别的方法、自动驾驶车辆及存储介质，以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案：
3、本说明书提供了一种意图识别的方法，所述方法应用于无人驾驶设备，所述方法包括：
4、获取当前帧包含目标障碍物的图像；
5、将所述图像输入训练得到的意图识别模型的第一编码层，确定所述第一编码层输出的所述目标障碍物的结构化环境特征；
6、将所述图像输入所述意图识别模型的第二编码层，确定所述第二编码层输出的所述目标障碍物的表观特征；
7、将所述结构化环境特征以及所述表观特征拼接，将拼接结果输入所述意图识别模型的解码层，得到所述目标障碍物的意图识别结果。
8、可选地，将所述图像输入训练得到的意图识别模型的第一编码层，确定所述第一编码层输出的所述目标障碍物的结构化环境特征，具体包括：
9、将所述图像输入训练得到的意图识别模型的第一编码层，确定所述目标障碍物的结构化环境信息；
10、针对各结构化环境
11、将得到的各注意力加权特征进行融合，得到所述目标障碍物的结构化环境特征。
12、可选地，将所述图像输入所述意图识别模型的第二编码层，确定所述第二编码层输出的所述目标障碍物的表观特征，具体包括：
13、根据所述目标障碍物的位置信息，从所述图像中确定包含所述目标障碍物的图像，作为目标图像；
14、将所述目标图像输入所述意图识别模型的第二编码层，得到所述目标障碍物的表观特征。
15、可选地，将所述结构化环境特征以及所述表观特征拼接，将拼接结果输入所述意图识别模型的解码层，具体包括：
16、确定历史上所述目标障碍物的表观特征，作为历史表观特征；
17、将所述历史表观特征、所述结构化环境特征和所述表观特征进行平均池化处理；
18、将处理后的历史表观特征、处理后的结构化环境特征和处理后的表观特征进行拼接；
19、将拼接结果输入所述意图识别模型的解码层。
20、可选地，所述结构化环境信息至少包括所述目标障碍物的信息、所述目标障碍物预设范围内的障碍物的信息、道路信息和地图信息中的一种。
21、可选地，所述意图识别结果为各预设意图类别对应的概率；
22、在得到所述目标障碍物的意图识别结果之后，所述方法还包括：
23、根据各预设意图类别对应的概率，规划所述无人驾驶设备的运动轨迹。
24、可选地，采用下述方式训练所述意图识别模型，其中：
25、获取历史行驶过程中采集的历史图像序列；
26、在所述历史图像序列中，确定历史图像作为训练样本；
27、根据所述历史图像序列中所述历史图像后的其他图像，确定所述历史图像中目标障碍物的意图，作为所述训练样本的标注；
28、根据所述训练样本及所述标注，对所述意图识别模型中的第二编码层以及解码层进行训练；
29、当所述第二编码层满足第一条件时，根据所述训练样本及所述标注对所述意图识别模型整体进行训练。
30、可选地，所述无人驾驶设备包括感知单元以及预测单元，所述感知单元部署有所述第二编码层，所述预测单元部署有所述意图识别模型的其他各层；
31、将所述图像输入所述意图识别模型的第二编码层，确定所述第二编码层输出的所述目标障碍物的表观特征，具体包括：
32、所述感知单元响应于获取到的所述图像，将所述图像输入所述第二编码层，得到所述目标障碍物的表观特征；
33、将所述表观特征以及所述图像传输至所述预测单元；
34、将所述图像输入训练得到的意图识别模型的第一编码层，确定所述第一编码层输出的所述目标障碍物的结构化环境特征，具体包括：
35、所述预测单元响应于所述感知单元发送的图像以及表观特征，将所述图像输入所述第一编码层，得到所述结构化环境特征。
36、本说明书提供了一种自动驾驶车辆，所述自动驾驶车辆包括：
37、确定模块，用于获取当前帧包含目标障碍物的图像；
38、第一特征模块，用于将所述图像输入训练得到的意图识别模型的第一编码层，确定所述第一编码层输出的所述目标障碍物的结构化环境特征；
39、第二特征模块，用于将所述图像输入所述意图识别模型的第二编码层，确定所述第二编码层输出的所述目标障碍物的表观特征；
40、识别模块，用于将所述结构化环境特征以及所述表观特征拼接，将拼接结果输入所述意图识别模型的解码层，得到所述目标障碍物的意图识别结果。
41、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述意图识别的方法。
42、本说明书采用的上述至少一个技术方案能够达到以下有益效果：
43、在本说明书提供的意图识别的方法中，获取当前帧包含目标障碍物的图像，将图像分别输入训练得到的意图识别模型的第一编码层以及第二编码层，确定第一编码层输出的目标障碍物的结构化环境特征，以及确定第二编码层输出的目标障碍物的表观特征。之后，将结构化环境特征和表观特征进行拼接，将拼接结果输入到意图识别模型的解码层，得到目标障碍物的意图识别结果。
44、从上述方法中可以看出，在对目标障碍物进行意图识别时，不仅仅是对根据环境图像得到的结构化环境信息进行编码和解码，得到目标障碍物的意图识别结果，而是将结构化环境特征和目标障碍物的表观特征进行拼接，将拼接后的结果输入到意图识别模型的解码层，得到目标障碍物的意图识别结果，通过这种方式可以提高意图识别的准确性，减少驾驶设备与障碍物碰撞的可能性。
本文档来自技高网...【技术保护点】
1.一种意图识别的方法，其特征在于，所述方法应用于无人驾驶设备，所述方法包括：
2.如权利要求1所述的方法，其特征在于，将所述图像输入训练得到的意图识别模型的第一编码层，确定所述第一编码层输出的所述目标障碍物的结构化环境特征，具体包括：
3.如权利要求1所述的方法，其特征在于，将所述图像输入所述意图识别模型的第二编码层，确定所述第二编码层输出的所述目标障碍物的表观特征，具体包括：
4.如权利要求1所述的方法，其特征在于，将所述结构化环境特征以及所述表观特征拼接，将拼接结果输入所述意图识别模型的解码层，具体包括：
5.如权利要求2所述的方法，其特征在于，所述结构化环境信息至少包括所述目标障碍物的信息、所述目标障碍物预设范围内的障碍物的信息、道路信息和地图信息中的一种。
6.如权利要求1所述的方法，其特征在于，所述意图识别结果为各预设意图类别对应的概率；
7.如权利要求1所述的方法，其特征在于，采用下述方式训练所述意图识别模型，其中：
8.如权利要求1所述的方法，其特征在于，所述无人驾驶设备包括感知单
9.一种自动驾驶车辆，其特征在于，所述自动驾驶车辆包括：
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～8任一项所述的方法。
...【技术特征摘要】
1.一种意图识别的方法，其特征在于，所述方法应用于无人驾驶设备，所述方法包括：
2.如权利要求1所述的方法，其特征在于，将所述图像输入训练得到的意图识别模型的第一编码层，确定所述第一编码层输出的所述目标障碍物的结构化环境特征，具体包括：
3.如权利要求1所述的方法，其特征在于，将所述图像输入所述意图识别模型的第二编码层，确定所述第二编码层输出的所述目标障碍物的表观特征，具体包括：
4.如权利要求1所述的方法，其特征在于，将所述结构化环境特征以及所述表观特征拼接，将拼接结果输入所述意图识别模型的解码层，具体包括：
5.如权利要求2所述的方法，其特征在于，所述结构化环境信息至少包括所述目标障碍物的信息、所述...
【专利技术属性】
技术研发人员：史磊，夏飞，
申请(专利权)人：北京三快在线科技有限公司，
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。