【技術實現步驟摘要】
預測標志物與車道的關聯關系的方法、裝置及電子設備
[0001]本公開涉及智能駕駛
，尤其涉及一種預測標志物與車道的關聯關系的方法
、
裝置及電子設備
。
技術介紹
[0002]目前，處于輔助駕駛或自動駕駛狀態的車輛，可以通過確定交通燈與車道的關聯關系選擇正確的交通燈，從而基于該交通燈發出的信號
(
用于指示交通燈的狀態，例如，紅燈亮還是綠燈亮等
)
執行對應的響應操作
。
[0003]現有技術中，通常通過人工手動設計閾值參數以及算法流程，確定交通燈與車道的關聯關系
。
因此，需要大量的人工編輯和校驗工作，不僅工作量較大，而且效率也較低
。
技術實現思路
[0004]目前通過人工手動設計閾值參數以及算法流程，確定交通燈與車道的關聯關系，需要大量的人工編輯和校驗工作，不僅比較麻煩，而且效率也較低
。
[0005]為了解決上述技術問題，本公開提供了一種預測標志物與車道的關聯關系的方法
、
裝置及電子設備，能夠提高確定交通燈與車道的關聯關系的效率及準確性，確保安全駕駛
。
[0006]本公開的第一個方面，提供了一種預測標志物與車道的關聯關系的方法，包括：確定車輛在行駛過程中采集的行駛環境數據；基于行駛環境數據，確定用于表示道路標志物與車道之間初始關系的輸入圖結構數據；基于圖神經網絡模型對輸入圖結構數據進行處理，得到道路標志物中的預設類型標志物與車道之間的關聯關系...
【技術保護點】
【技術特征摘要】
1.
一種預測標志物與車道的關聯關系的方法，包括：確定車輛在行駛過程中采集的行駛環境數據；基于所述行駛環境數據，確定用于表示道路標志物與車道之間初始關系的輸入圖結構數據；基于圖神經網絡模型對所述輸入圖結構數據進行處理，得到所述道路標志物中的預設類型標志物與所述車道之間的關聯關系
。2.
根據權利要求1所述的方法，其中，所述基于圖神經網絡模型對所述輸入圖結構數據進行處理，得到所述道路標志物中的預設類型標志物與所述車道之間的關聯關系，包括：基于所述圖神經網絡模型中的至少一個聚合層對所述輸入圖結構數據中的多個節點進行聚合，得到中間圖結構數據；所述多個節點包括用于表示所述道路標志物的標志物節點和用于表示所述車道的車道節點；基于所述圖神經網絡模型中的解碼層對所述中間圖結構數據進行處理，得到所述預設類型標志物與所述車道之間的關聯關系
。3.
根據權利要求2所述的方法，其中，所述基于所述圖神經網絡模型中的至少一個聚合層對所述輸入圖結構數據中的多個節點進行聚合，得到中間圖結構數據，包括：基于所述聚合層中的第一編碼層對所述多個節點進行局部信息聚合，得到第一子圖結構數據；基于所述聚合層中的第二編碼層對所述第一子圖結構數據中局部信息聚合后的所述多個節點進行全局信息聚合，得到第二子圖結構數據；基于所述第二子圖結構數據，確定所述中間圖結構數據
。4.
根據權利要求1所述的方法，其中，所述基于所述行駛環境數據，確定用于表示道路標志物與車道之間初始關系的輸入圖結構數據，包括：基于所述行駛環境數據，確定用于表示各車道之間初始關系的第一圖結構數據
、
用于表示各預設類型標志物之間初始關系的第二圖結構數據和用于表示所述道路標志物中的環境標志物的環境節點；基于所述第一圖結構數據
、
所述第二圖結構數據和所述環境節點，確定所述輸入圖結構數據
。5.
根據權利要求4所述的方法，其中，所述基于所述行駛環境數據，確定用于表示各車道之間初始關系的第一圖結構數據
、
用于表示各預設類型標志物之間初始關系的第二圖結構數據和用于表示所述道路標志物中的環境標志物的環境節點，包括：基于所述行駛環境數據，確定用于表示所述車輛的行駛環境的靜態場景數據；基于所述靜態場景數據，確定所述第一圖結構數據
、
所述第二圖結構數據和所述環境節點
。6.
根據權利要求4所述的方法，其中，所述基于所述第一圖結構數據
、
所述第二圖結構數據和所述環境節點，確定所述輸入圖結構數據，包括：確定所述環境節點與所述第一圖結構數據中的各車道節點之間的第一初始關系，以及所述環境節點與所述第二圖結構數據中的各預設類型節點之間的第二初始關系；確定各所述車道節點與各所述預設類型節點之間的第三初始關系；基于所述第一初始關系
、
所述第二初始關系和所述第三初始關系，確定所述輸入圖結
構數據
。7.
一種圖神經網絡模型訓練方法，包括：確定多組樣本輸入圖結構數據和所述樣本輸入圖結構數據對應的樣本道路標志物中的樣本預設類型標志物與樣本車道之間的...
【專利技術屬性】
技術研發人員：宋良，嚴勃，謝江標，
申請(專利權)人：北京地平線信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。