(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 202211279720.7 (22)申请日 2022.10.19 (71)申请人 九识智行 （北京） 科技有限公司 地址 102211 北京市昌平区小汤山 镇常兴 庄村常后路西100米丝路风情 （北京） 酒店管理服 务有限公司内2层821645 申请人 九识 （苏州） 智能科技有限公司 (72)发明人 潘余昌　 (74)专利代理 机构 北京磐华捷成知识产权代理 有限公司 1 1851 专利代理师 卜璐璐 (51)Int.Cl. G06K 9/62(2022.01) (54)发明名称 自动驾驶场景分类方法、 装置和用于自动驾 驶的系统 (57)摘要 本申请公开了一种自动驾驶场景分类方法、 装置和用于自动驾驶的系统， 所述方法包括以下 步骤： 获取待分类场景的数据； 基于所述待分类 场景的数据对所述待分类场景的场景元素进行 分析， 得到所述待分类场景的场景特征向量； 将 所述场景特征向量与场景库内的已有场景特征 向量进行匹配， 得到对所述待分类场景的分类结 果。 本申请的自动驾驶场景分类方法、 装置和用 于自动驾驶的系统具有提高场景分类效率， 减少 人工成本的效果。 权利要求书3页 说明书7页 附图2页 CN 115510999 A 2022.12.23 CN 115510999 A 1.一种自动驾驶场景分类方法， 其特 征在于， 所述方法包括以下步骤： 获取待分类场景的数据； 基于所述待分类场景的数据对所述待分类场景的场景元素进行分析， 得到所述待分类 场景的场景 特征向量； 将所述场景特征向量与场景库内的已有场景特征向量进行匹配， 得到对所述待分类场 景的分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述场景元素包括地图元素和障碍物元 素， 所述基于所述待分类场景 的数据对所述待分类场景 的场景元素进行分析， 得到所述待 分类场景的场景 特征向量， 包括： 基于所述待分类场景的数据对所述待分类场景的地图元素进行分析， 得到地图特征向 量； 基于所述待分类场景的数据对所述待分类场景的障碍物元素进行分析， 得到障碍物特 征向量； 基于所述 地图特征向量和所述障碍物特 征向量得到所述待分类场景的场景 特征向量。 3.根据权利要求2所述的方法， 其特征在于， 所述障碍物元素包括障碍物分布元素和障 碍物意图元 素， 所述障碍物特 征向量包括障碍物分布特 征向量和障碍物意图特 征向量。 4.根据权利要求2所述的方法， 其特征在于， 所述地图特征向量包括对所述待分类场景 的道路数量、 每条道路的车道数量和车道类型、 每条道路的非机动车辆数量进行 的数值化 表示。 5.根据权利要求3所述的方法， 其特征在于， 所述障碍物分布特征向量包括对所述待分 类场景的场景中心周边是否存在障碍物的二分类表示。 6.根据权利要求3所述的方法， 其特征在于， 所述障碍物意图特征向量包括对所述待分 类场景的场景中心周边是否会有障碍物到 达的二分类表示。 7.根据权利要求2 ‑6中的任一项所述的方法， 其特征在于， 所述基于所述地图特征向量 和所述障碍物特 征向量得到所述待分类场景的场景 特征向量， 包括： 将所述地图特征向量和所述障碍物特征向量合并， 得到所述待分类场景的场景特征向 量。 8.根据权利要求1所述的方法， 其特征在于， 所述待分类场景的数据包括数据包， 所述 基于所述待分类场景的数据对所述待分类场景的场景元素进 行分析， 得到所述待分类场景 的场景特征向量， 包括： 将所述数据包进行切片处 理得到至少一个时间切片数据； 对每个所述 时间切片数据的场景元素进行分析， 得到每个所述 时间切片数据的场景特 征向量， 作为场景 特征子向量； 汇总所有所述场景 特征子向量， 得到所述待分类场景的场景 特征向量。 9.根据权利要求8所述的方法， 其特征在于， 所述汇总所有所述场景特征子向量， 得到 所述待分类场景的场景 特征向量， 包括： 计算不同的所述场景特征子向量之间的相似度， 将相似度 大于第一预设阈值的所述场 景特征子向量进行组合， 得到场景 特征子向量 集合； 计算所述场景 特征子向量 集合的中心点向量， 作为所述待分类场景的场景 特征向量。权　利　要　求　书 1/3 页 2 CN 115510999 A 210.根据权利要求1所述的方法， 其特征在于， 将所述场景特征向量与场景库内的已有 场景特征向量进行匹配， 得到对所述待分类场景的分类结果， 包括： 计算所述场景 特征向量与所述场景库内的每 个已有场景 特征向量之间的相似度； 当所述相似度中的最大值不小于第 二预设阈值 时， 将所述最大值对应的已有场景特征 向量作为所述待分类场景的分类结果； 当所述相似度中的最大值小于所述第 二预设阈值 时， 将所述待分类场景的场景特征向 量作为新的场景 特征向量加入到所述场景库中。 11.一种自动驾驶场景分类装置， 其特征在于， 所述装置包括存储器和 处理器， 所述存 储器上存储有由所述处理器运行 的计算机程序， 所述计算机程序在被所述处理器运行时， 使得所述处理器执行如下的自动驾驶场景分类方法： 获取待分类场景的数据； 基于所述待分类场景的数据对所述待分类场景的场景元素进行分析， 得到所述待分类 场景的场景 特征向量； 将所述场景特征向量与场景库内的已有场景特征向量进行匹配， 得到对所述待分类场 景的分类结果。 12.根据权利要求11所述的装置， 其特征在于， 所述场景元素包括地图元素和障碍物元 素， 所述基于所述待分类场景 的数据对所述待分类场景 的场景元素进行分析， 得到所述待 分类场景的场景 特征向量， 包括： 基于所述待分类场景的数据对所述待分类场景的地图元素进行分析， 得到地图特征向 量； 基于所述待分类场景的数据对所述待分类场景的障碍物元素进行分析， 得到障碍物特 征向量； 基于所述 地图特征向量和所述障碍物特 征向量得到所述待分类场景的场景 特征向量。 13.根据权利要求12所述的装置， 其特征在于， 所述障碍物元素包括障碍物分布元素和 障碍物意图元 素， 所述障碍物特 征向量包括障碍物分布特 征向量和障碍物意图特 征向量。 14.根据权利要求12所述的装置， 其特征在于， 所述地图特征向量包括对所述待分类场 景的道路数量、 每条道路的车道数量和车道类型、 每条道路的非机动车辆数量进行 的数值 化表示。 15.根据权利要求13所述的装置， 其特征在于， 所述障碍物分布特征向量包括对所述待 分类场景的场景中心周边是否存在障碍物的二分类表示。 16.根据权利要求13所述的装置， 其特征在于， 所述障碍物意图特征向量包括对所述待 分类场景的场景中心周边是否会有障碍物到 达的二分类表示。 17.根据权利要求12 ‑16中的任一项所述的装置， 其特征在于， 所述基于所述地图特征 向量和所述障碍物特 征向量得到所述待分类场景的场景 特征向量， 包括： 将所述地图特征向量和所述障碍物特征向量合并， 得到所述待分类场景的场景特征向 量。 18.根据权利要求11所述的装置， 其特征在于， 所述待分类场景的数据包括数据包， 所 述基于所述待分类场景的数据对所述待分类场景的场景元素进行分析， 得到所述待分类场 景的场景 特征向量， 包括：权　利　要　求　书 2/3 页 3 CN 115510999 A 3