(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210471927.8 (22)申请日 2022.04.29 (71)申请人 南京领行科技股份有限公司 地址 211100 江苏省南京市江宁区苏源大 道19号九龙湖国际企业总部园B4栋2 层 （江宁开发区） (72)发明人 胡方健　李京峰　朱文和　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 刘新月 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/22(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06K 9/62(2022.01) (54)发明名称 驾驶场景数据的分类方法、 装置、 电子设备 及存储介质 (57)摘要 本申请公开一种驾驶场景数据的分类方法、 装置、 电子设备及存储介质， 属于数据分析技术 领域， 该方法包括： 获取第一车辆在指定时间段 内的驾驶场景数据， 驾驶场景数据至少包括第一 车辆上的雷达采集的多帧点云数据， 基于每帧点 云数据， 对第一车辆和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， 基于相对位置特征向量， 确定在采集该 帧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， 基于场景特征向量进 行驾驶场景分类， 得到第一车辆在指定时间段内 的驾驶场景分类结果。 这样， 提供了一种借助于 雷达对驾驶场景进行分类的方案 。 权利要求书2页 说明书12页 附图6页 CN 114973173 A 2022.08.30 CN 114973173 A 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权　利　要　求　书 1/2 页 2 CN 114973173 A 2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。 7.一种驾驶场景 数据的分类装置， 其特 征在于， 包括： 获取模块， 用于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； 位置分析模块， 用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； 确定模块， 用于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； 关系分析模块， 用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； 分类模块， 用于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指定 时间段内的驾驶场景分类结果。 8.如权利要求7所述的装置， 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： 控制分析模块， 用于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 所述确定模块， 具体用于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。 9.一种电子设备， 其特征在于， 包括： 至少一个处理器， 以及与所述至少一个处理器通 信连接的存 储器， 其中： 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行如权利要求1 ‑6任一所述的方 法。 10.一种存储介质， 其特征在于， 当所述存储介质中的计算机程序由电子设备的处理器 执行时， 所述电子设备能够执 行如权利要求1 ‑6任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114973173 A 3