车辆的碰撞处理方法、碰撞预测模型的训练方法及装置与流程

本公开涉及人工智能，尤其涉及深度学习、图像处理、自动驾驶等。

背景技术：

1、随着人工智能技术的发展，深度学习模型得到了广泛的应用，例如可以将深度学习模型应用于自动驾驶的场景中。在自动驾驶中，深度学习模型通过处理摄像头、雷达和激光雷达等传感器数据来感知周围环境，同时还能进行决策和控制以驾驶车辆。

2、在自动驾驶车辆的行驶过程中，可能会发生与障碍物碰撞的问题。目前是通过感知周围是否存在障碍物确定自动驾驶车辆是否存在碰撞风险的，这种方式对于后续的自动驾驶控制存在精度不足的问题。

技术实现思路

1、本公开提供了一种车辆的碰撞处理方法及装置、一种碰撞预测模型的训练方法及装置、电子设备、存储介质以及计算机程序产品。

2、根据本公开的一方面，提供了一种车辆的碰撞处理方法，包括：获取车辆上传感器采集的数据；从所述采集的数据中提取第一特征和第二特征；其中，所述第一特征用于表征所述车辆的参数信息，所述第二特征用于表征所述车辆所处的三维空间中体素的参数信息；根据所述第一特征和所述第二特征计算所述体素的碰撞指标；其中，所述碰撞指标用于表征所述车辆与所述体素对应的对象之间的碰撞情况；根据所述体素的碰撞指标控制所述车辆的行驶。

3、根据本公开的另一方面，提供了一种碰撞预测模型的训练方法，包括：获取训练样本；其中，所述训练样本包括车辆上传感器采集的样本数据以及对三维空间中的体素进行标注的碰撞指标，所述三维空间根据所述采集的样本数据构建得到，所述标注的碰撞指标根据所述车辆的参数信息和所述体素的参数信息计算得到，所述车辆的参数信息和所述体素的参数信息根据所述采集的样本数据确定；将所述训练样本输入碰撞预测模型中，得到所述体素预测的碰撞指标；根据所述标注的碰撞指标和所述预测的碰撞指标计算第一损失；根据所述第一损失调整所述碰撞预测模型的参数，直至满足收敛条件，得到训练好的碰撞预测模型。

4、根据本公开的另一方面，提供了一种车辆的碰撞处理方法，包括：获取车辆上传感器采集的数据；将所述采集的数据输入碰撞预测模型，得到所述车辆所处的三维空间中体素的碰撞指标；其中，所述碰撞预测模型根据前述的训练方法训练得到；根据所述体素的碰撞指标控制所述车辆的行驶。

5、根据本公开的另一方面，提供了一种车辆的碰撞处理方法，包括：获取车辆上传感器采集的数据；将所述采集的数据输入碰撞预测模型，得到所述车辆所处的三维空间中体素的碰撞指标以及占据状态和/或运动状态；其中，所述碰撞预测模型根据前述的训练方法训练得到；根据所述体素的碰撞指标以及占据状态和/或运动状态控制所述车辆的行驶。

6、根据本公开的另一方面，提供了一种车辆的碰撞处理装置，包括：数据获取模块，用于获取车辆上传感器采集的数据；特征提取模块，用于从所述采集的数据中提取第一特征和第二特征；其中，所述第一特征用于表征所述车辆的参数信息，所述第二特征用于表征所述车辆所处的三维空间中体素的参数信息；指标计算模块，用于根据所述第一特征和所述第二特征计算所述体素的碰撞指标；其中，所述碰撞指标用于表征所述车辆与所述体素对应的对象之间的碰撞情况；行驶控制模块，用于根据所述体素的碰撞指标控制所述车辆的行驶。

7、根据本公开的另一方面，提供了一种碰撞预测模型的训练装置，包括：样本获取模块，用于获取训练样本；其中，所述训练样本包括车辆上传感器采集的样本数据以及对三维空间中的体素进行标注的碰撞指标，所述三维空间根据所述采集的样本数据构建得到，所述标注的碰撞指标根据所述车辆的参数信息和所述体素的参数信息计算得到，所述车辆的参数信息和所述体素的参数信息根据所述采集的样本数据确定；模型预测模块，用于将所述训练样本输入碰撞预测模型中，得到所述体素预测的碰撞指标；损失计算模块，用于根据所述标注的碰撞指标和所述预测的碰撞指标计算第一损失；参数调整模块，用于根据所述第一损失调整所述碰撞预测模型的参数，直至满足收敛条件，得到训练好的碰撞预测模型。

8、根据本公开的另一方面，提供了一种车辆的碰撞处理装置，包括：第一获取模块，用于获取车辆上传感器采集的数据；第一预测模块，用于将所述采集的数据输入碰撞预测模型，得到所述车辆所处的三维空间中体素的碰撞指标；其中，所述碰撞预测模型根据前述的训练装置训练得到；第一控制模块，用于根据所述体素的碰撞指标控制所述车辆的行驶。

9、根据本公开的另一方面，提供了一种车辆的碰撞处理装置，包括：第二获取模块，用于获取车辆上传感器采集的数据；第二预测模块，用于将所述采集的数据输入碰撞预测模型，得到所述车辆所处的三维空间中体素的碰撞指标以及占据状态和/或运动状态；其中，所述碰撞预测模型根据前述的训练装置训练得到；第二控制模块，用于根据所述体素的碰撞指标以及占据状态和/或运动状态控制所述车辆的行驶。

10、根据本公开的另一方面，提供了一种电子设备，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指令，所述指令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上述车辆的碰撞处理方法或者上述碰撞预测模型的训练方法。

11、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述车辆的碰撞处理方法或者上述碰撞预测模型的训练方法。

12、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述车辆的碰撞处理方法或者上述碰撞预测模型的训练方法。

13、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种车辆的碰撞处理方法，包括：

2.根据权利要求1所述的碰撞处理方法，其中，所述体素的碰撞指标为至少两个，所述根据所述体素的碰撞指标控制所述车辆的行驶，包括：

3.根据权利要求1或2所述的碰撞处理方法，还包括：

4.根据权利要求1所述的碰撞处理方法，其中，所述碰撞指标包括以下中的至少一种：碰撞距离、碰撞时间、转向时间、制动威胁系数、转向威胁系数。

5.根据权利要求1所述的碰撞处理方法，其中，所述车辆的参数信息包括以下中的至少一种：位置、速度、加速度、长度、宽度、高度。

6.根据权利要求1所述的碰撞处理方法，其中，所述体素的参数信息包括以下中的至少一种：位置、速度、朝向、大小、占据状态。

7.根据权利要求1所述的碰撞处理方法，其中，所述采集的数据包括点云数据和/或图像数据。

8.一种碰撞预测模型的训练方法，包括：

9.根据权利要求8所述的训练方法，其中，所述碰撞指标包括以下中的至少一种：碰撞距离、碰撞时间、转向时间、制动威胁系数、转向威胁系数。

10.根据权利要求8所述的训练方法，其中，所述车辆的参数信息包括以下中的至少一种：位置、速度、加速度、长度、宽度、高度。

11.根据权利要求8所述的训练方法，其中，所述体素的参数信息包括以下中的至少一种：位置、速度、朝向、大小、占据状态。

12.根据权利要求8所述的训练方法，其中，所述采集的样本数据包括点云样本数据和/或图像样本数据。

13.根据权利要求8-12中任一项所述的训练方法，其中，所述训练样本还包括对所述体素进行标注的占据状态和/或运动状态；

14.一种车辆的碰撞处理方法，包括：

15.根据权利要求14所述的碰撞处理方法，其中，所述体素的碰撞指标为至少两个，所述根据所述体素的碰撞指标控制所述车辆的行驶，包括：

16.根据权利要求14或15所述的碰撞处理方法，其中，所述采集的数据包括点云数据和/或图像数据。

17.一种车辆的碰撞处理方法，包括：

18.根据权利要求17所述的碰撞处理方法，其中，所述体素的碰撞指标为至少两个，所述根据所述体素的碰撞指标以及占据状态和/或运动状态控制所述车辆的行驶，包括：

19.根据权利要求17或18所述的碰撞处理方法，其中，所述采集的数据包括点云数据和/或图像数据。

20.一种车辆的碰撞处理装置，包括：

21.根据权利要求20所述的碰撞处理装置，其中，所述体素的碰撞指标为至少两个，所述控制模块用于在所述体素的所有碰撞指标均一致的情况下，根据所述体素的碰撞指标控制所述车辆的行驶。

22.根据权利要求20或21所述的碰撞处理装置，还包括：状态确定模块，用于根据所述第二特征确定所述体素的占据状态和/或运动状态；

23.根据权利要求20所述的碰撞处理装置，其中，所述碰撞指标包括以下中的至少一种：碰撞距离、碰撞时间、转向时间、制动威胁系数、转向威胁系数。

24.根据权利要求20所述的碰撞处理装置，其中，所述车辆的参数信息包括以下中的至少一种：位置、速度、加速度、长度、宽度、高度。

25.根据权利要求20所述的碰撞处理装置，其中，所述体素的参数信息包括以下中的至少一种：位置、速度、朝向、大小、占据状态。

26.根据权利要求20所述的碰撞处理装置，其中，所述采集的数据包括点云数据和/或图像数据。

27.一种碰撞预测模型的训练装置，包括：

28.根据权利要求27所述的训练装置，其中，所述碰撞指标包括以下中的至少一种：碰撞距离、碰撞时间、转向时间、制动威胁系数、转向威胁系数。

29.根据权利要求27所述的训练装置，其中，所述车辆的参数信息包括以下中的至少一种：位置、速度、加速度、长度、宽度、高度。

30.根据权利要求27所述的训练装置，其中，所述体素的参数信息包括以下中的至少一种：位置、速度、朝向、大小、占据状态。

31.根据权利要求27所述的训练装置，其中，所述采集的样本数据包括点云样本数据和/或图像样本数据。

32.根据权利要求27-31中任一项所述的训练装置，其中，所述训练样本还包括对所述体素进行标注的占据状态和/或运动状态；

33.一种车辆的碰撞处理装置，包括：

34.根据权利要求33所述的碰撞处理装置，其中，所述体素的碰撞指标为至少两个，所述第一控制模块具体用于在所述体素的所有碰撞指标均一致的情况下，根据所述体素的碰撞指标控制所述车辆的行驶。

35.根据权利要求33或34所述的碰撞处理装置，其中，所述采集的数据包括点云数据和/或图像数据。

36.一种车辆的碰撞处理装置，包括：

37.根据权利要求36所述的碰撞处理装置，其中，所述体素的碰撞指标为至少两个，所述第二控制模块具体用于在所述体素的所有碰撞指标均一致的情况下，根据所述体素的碰撞指标以及占据状态和/或运动状态控制所述车辆的行驶。

38.根据权利要求36或37所述的碰撞处理装置，其中，所述采集的数据包括点云数据和/或图像数据。

39.一种电子设备，包括：

40.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的碰撞处理方法、权利要求8-13中任一项所述的训练方法或者权利要求14-19中任一项所述的碰撞处理方法。

41.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的碰撞处理方法、权利要求8-13中任一项所述的训练方法或者权利要求14-19中任一项所述的碰撞处理方法。

42.一种自动驾驶车辆，包括如权利要求39所述的电子设备。

技术总结
本公开提供了一种车辆的碰撞处理方法、碰撞预测模型的训练方法及装置，涉及人工智能技术领域，尤其涉及深度学习、图像处理、自动驾驶等技术领域。具体实现方案为：获取车辆上传感器采集的数据；从所述采集的数据中提取第一特征和第二特征；其中，所述第一特征用于表征所述车辆的参数信息，所述第二特征用于表征所述车辆所处的三维空间中体素的参数信息；根据所述第一特征和所述第二特征计算所述体素的碰撞指标；其中，所述碰撞指标用于表征所述车辆与所述体素对应的对象之间的碰撞情况；根据所述体素的碰撞指标控制所述车辆的行驶。

技术研发人员：张睿文
受保护的技术使用者：阿波罗智联（北京）科技有限公司
技术研发日：
技术公布日：2024/2/6