风险场景识别模型的生成方法、装置及计算机程序产品与流程

本公开涉及人工智能，具体涉及自动驾驶，尤其涉及一种风险场景识别模型的生成方法和装置、风险场景识别方法和装置、电子设备、存储介质以及计算机程序产品，可应用于自动驾驶场景下。

背景技术：

1、在自动驾驶过程中，自动驾驶车辆经常遇到风险场景，有些风险场景最终会导致碰撞、急刹。为了提升自动驾驶系统的安全性和舒适性，自动驾驶系统部署风险预警模型对当前驾驶场景进行风险预测，来避免未来可能发生的意外。风险场景的识别主要基于对当前道路拓扑理解和周围动态障碍物运动轨迹的预测，风险场景的理解和识别能力是保证自动驾驶系统安全性的一个重要环节。目前的风险场景识别模型的场景理解能力较差。

技术实现思路

1、本公开提供了一种风险场景识别模型的生成方法和装置、风险场景识别方法和装置、电子设备、存储介质以及计算机程序产品。

2、根据第一方面，提供了一种风险场景识别模型的生成方法，包括：获取第一训练样本集和第二训练样本集，其中，第一训练样本集中的第一训练样本包括第一驾驶场景数据，第二训练样本集中的第二训练样本包括第二驾驶场景数据和风险标签；采用自监督对比学习的方式，通过第一训练样本集训练初始场景编码模型，得到场景编码模型；根据场景编码模型和风险预测模型，确定初始风险场景识别模型，其中，风险预测模型用于根据场景编码模型输出的场景编码数据进行风险预测；通过第二训练样本集，训练初始风险场景识别模型，得到训练后的风险场景识别模型。

3、根据第二方面，提供了一种风险场景识别方法，包括：获取自动驾驶车辆当前的驾驶场景数据；通过预训练的风险场景识别模型确定自动驾驶车辆当前的驾驶场景数据表征的驾驶场景是否具有风险，其中，风险场景识别模型通过第一方面任一实现方式训练得到。

4、根据第三方面，提供了一种风险场景识别模型的生成装置，包括：第一获取单元，被配置成获取第一训练样本集和第二训练样本集，其中，第一训练样本集中的第一训练样本包括第一驾驶场景数据，第二训练样本集中的第二训练样本包括第二驾驶场景数据和风险标签；第一训练单元，被配置成采用自监督对比学习的方式，通过第一训练样本集训练初始场景编码模型，得到场景编码模型；得到单元，被配置成根据场景编码模型和风险预测模型，确定初始风险场景识别模型，其中，风险预测模型用于根据场景编码模型输出的场景编码数据进行风险预测；第二训练单元，被配置成通过第二训练样本集，训练初始风险场景识别模型，得到训练后的风险场景识别模型。

5、根据第四方面，提供了一种风险场景识别装置，包括：第二获取单元，被配置成获取自动驾驶车辆当前的驾驶场景数据；风险识别单元，被配置成通过预训练的风险场景识别模型确定自动驾驶车辆当前的驾驶场景数据表征的驾驶场景是否具有风险，其中，风险场景识别模型通过第三方面中任一实现方式训练得到。

6、根据第五方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面、第二方面任一实现方式描述的方法。

7、根据第六方面，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，计算机指令用于使计算机执行如第一方面、第二方面任一实现方式描述的方法。

8、根据第七方面，提供了一种计算机程序产品，包括：计算机程序，计算机程序在被处理器执行时实现如第一方面、第二方面任一实现方式描述的方法。

9、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：

1.一种风险场景识别模型的生成方法，包括：

2.根据权利要求1所述的方法，其中，所述采用自监督对比学习的方式，通过所述第一训练样本集训练初始场景编码模型，得到场景编码模型，包括：

3.根据权利要求2所述的方法，其中，所述对于由所述第一训练样本集中的两个第一训练样本组成的样本对，根据该样本对中的第一驾驶场景数据，将该样本对划分为正样本对或负样本对，包括：

4.根据权利要求2所述的方法，其中，所述第一驾驶场景数据包括障碍物数据、车辆数据和地图数据，以及

5.根据权利要求4所述的方法，其中，所述采用自注意力机制对所述第一交互编码数据和所述障碍物编码数据进行交互建模，生成所述场景编码数据，包括：

6.根据权利要求1所述的方法，其中，所述根据所述场景编码模型和风险预测模型，确定初始风险场景识别模型，包括：

7.根据权利要求1所述的方法，其中，获取第二训练样本集，包括：

8.根据权利要求7所述的方法，其中，所述均衡设置所述第二训练样本集中的风险场景数据和常规场景数据，生成所述第二训练样本集，包括：

9.根据权利要求8所述的方法，其中，所述第二训练样本还包括：障碍物标签，所述障碍物标签用于表征所述障碍物标签对应的障碍物是否为造成风险的目标障碍物，以及

10.根据权利要求9所述的方法，其中，所述根据所述第一损失和所述第二损失，更新所述初始风险场景识别模型的参数，包括：

11.一种风险场景识别方法，包括：

12.一种风险场景识别模型的生成装置，包括：

13.根据权利要求12所述的装置，其中，所述第一训练单元，进一步被配置成：

14.根据权利要求13所述的装置，其中，所述第一训练单元，进一步被配置成：

15.根据权利要求13所述的装置，其中，所述第一驾驶场景数据包括障碍物数据、车辆数据和地图数据，以及

16.根据权利要求15所述的装置，其中，第一训练单元，进一步被配置成：

17.根据权利要求12所述的装置，其中，所述得到单元，进一步被配置成：

18.根据权利要求12所述的装置，其中，所述第一获取单元，进一步被配置成：

19.根据权利要求18所述的装置，其中，所述第一获取单元，进一步被配置成：

20.根据权利要求19所述的装置，其中，所述第二训练样本还包括：障碍物标签，所述障碍物标签用于表征所述障碍物标签对应的障碍物是否为造成风险的目标障碍物，以及

21.根据权利要求20所述的装置，其中，所述第二训练单元，进一步被配置成：

22.一种风险场景识别装置，包括：

23.一种电子设备，其特征在于，包括：

24.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-11中任一项所述的方法。

25.一种计算机程序产品，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1-11中任一项所述的方法。

技术总结
本公开提供了一种风险场景识别模型的生成方法、装置、电子设备、存储介质及程序产品，涉及人工智能技术领域，具体涉及自动驾驶技术领域，可应用于自动驾驶场景下。具体实现方案为：获取第一训练样本集和第二训练样本集，采用自监督对比学习的方式，通过第一训练样本集训练得到场景编码模型；根据场景编码模型和风险预测模型，确定初始风险场景识别模型；通过第二训练样本集，训练初始风险场景识别模型，得到训练后的风险场景识别模型。本公开通过自监督对比学习的方式训练场景编码模型，并调整基于场景编码模型和风险预测模型得到的初始风险场景识别模型，提高了模型对风险场景的识别准确度。

技术研发人员：宋泽良,柳长春
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/3/27