环境感知方法、装置、车辆、存储介质及程序产品

本申请实施例提供一种环境感知方法、装置、车辆、存储介质及程序产品，采集车辆所处环境的多视角图像和对应于多视角图像的语音指示；根据多视角图像提取图像的多尺度特征，并根据语音指示解析指示的语义引导嵌入特征；融合语义引导嵌入特征和鸟瞰视角空间中的空间查询特征，得到融合空间查询特征，并根据空间查询特征、多尺度特征和多视角图像得到图像感知特征，以生成车辆的环境感知结果，实现从人类意图到空间感知的端到端优化，在降低成本的同时，使检测网络自动关注与导航相关的区域，此外，在语义丰富的场景中，语义引导与空间查询的协同作用可有效解析模糊信息，显著提升感知精度与场景覆盖率，优化复杂场景适应性。