CN111062241A - 基于自然驾驶原始数据自动获取测试场景的方法与系统 - Google Patents

基于自然驾驶原始数据自动获取测试场景的方法与系统 Download PDF

Info

Publication number
CN111062241A
CN111062241A CN201910989952.3A CN201910989952A CN111062241A CN 111062241 A CN111062241 A CN 111062241A CN 201910989952 A CN201910989952 A CN 201910989952A CN 111062241 A CN111062241 A CN 111062241A
Authority
CN
China
Prior art keywords
data
test
video stream
attribute
original video
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201910989952.3A
Other languages
English (en)
Inventor
朱敦尧
周风明
郝江波
李洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Kotei Informatics Co Ltd
Original Assignee
Wuhan Kotei Informatics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Kotei Informatics Co Ltd filed Critical Wuhan Kotei Informatics Co Ltd
Priority to CN201910989952.3A priority Critical patent/CN111062241A/zh
Publication of CN111062241A publication Critical patent/CN111062241A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及基于自然驾驶原始数据自动获取测试场景的方法及系统，包括以下步骤：采集自然驾驶原始视频流数据，解析出所述原始视频流数据的属性字段数据并导出为文本数据；分析所述文本数据，提炼出描述测试场景的属性字段，组合所述属性字段以形成规则；根据所述规则，将所述原始视频流数据切片、分割成符合所述规则的测试场景，对获取的所述测试场景进行标签绑定并分类存储。本发明与传统获取自然驾驶测试场景的方法相比，获取测试场景效率和测试场景归类的准确度都得到了很大的提升，大大提升了自动驾驶场景库系统构建的效率。

Description

基于自然驾驶原始数据自动获取测试场景的方法与系统
技术领域
本发明涉及视频数据处理领域，具体涉及基于自然驾驶原始数据自动获取测试场景的方法与系统。
背景技术
随着世界范围内自动驾驶技术的高速发展，人们对自动的驾驶的关注度越来越高，而自动驾驶的安全性和可靠性一直该领域的核心问题，所以需要大量的真实的行车场景去进行演示、仿真、推算，从而提升自动驾驶系统在各类场景下的处理能力。
由于之前获取自动驾驶场景是直接从数据存储装置导出大量的原始数据，这些数据量过大，如果想要获取从这些原始数据中获取特定的测试场景，需要人工先进行甄别，在借助其它录屏工具，对数据进行二次处理后，才能达到满足的条件。这样的处理方式，不仅效率慢，模式不灵活，准确率也不是很高，另外在数据量过大之后，会给人产生很大的困境，局限了自动驾驶场景的获取和自动驾驶场景库系统的构建。
发明内容
本发明针对现有技术中存在的技术问题，提供基于自然驾驶原始数据自动获取测试场景的方法与系统。
本发明解决上述技术问题的技术方案如下：
基于自然驾驶原始数据自动获取测试场景的方法，包括以下步骤：
采集自然驾驶原始视频流数据，解析出所述原始视频流数据的属性字段数据并导出为文本数据；
分析所述文本数据，提炼出描述测试场景的属性字段，组合所述属性字段以形成规则；
根据所述规则，将所述原始视频流数据切片、分割成符合所述规则的测试场景，对获取的所述测试场景进行标签绑定并分类存储。
基于自然驾驶原始数据自动获取测试场景的系统，包括数据采集与解析模块、分析模块、提取与分类存储模块；
所述数据采集与解析模块，用于采集自然驾驶原始视频流数据，解析出所述原始视频流数据的属性字段数据并导出为文本数据；
所述分析模块，用于分析所述文本数据，提炼出描述测试场景的属性字段，组合所述属性字段以形成规则；
所述提取与分类存储模块，用于根据所述规则，将所述原始视频流数据切片、分割成符合所述规则的测试场景，对获取的所述测试场景进行标签绑定并分类存储。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述基于自然驾驶原始数据自动获取测试场景方法的步骤。
一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述基于自然驾驶原始数据自动获取测试场景方法的步骤。
本发明的有益效果是：本发明提供的方法及系统不再需要人工的去获取特定的测试场景，并能给测试场景进行归类，用于自动驾驶中测试场景库的系统构建。将自然驾驶的原始数据进行自动化切片，并给这些测试场景自动贴上标签，然后根据这些标签去进行测试场景自动归类。与原先的人为的获取自然驾驶测试场景发方法相比，获取测试场景效率和测试场景归类的准确度都得到了很大的提升，大大提升了自动驾驶场景库系统构建的效率。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述解析出所述原始视频流数据的属性字段数据并导出为文本数据，还包括：
将所述原始视频流数据的属性字段数据导出并保存为CSV格式的文本数据。
进一步，所述分析所述文本数据，提炼出描述测试场景的属性字段，组合所述属性字段以形成规则，包括：
从所述文本数据中提炼出描述各类测试场景的属性字段，将所述属性字段进行分类后形成属性因子表格，将所述属性因子表格内的各类所述属性字段进行组合，以形成各类测试场景的规则。
进一步，所述将所述属性因子表格内的各类所述属性字段进行组合，以形成各类测试场景的规则，包括：
将所述属性因子表格内的每类所述属性字段提取后进行组合，组合后的所述属性字段形成测试场景的规则，每一种所述规则对应描述一类所述测试场景。
进一步，所述根据所述规则，将所述原始视频流数据切片、分割成符合所述规则的测试场景，对获取的所述测试场景进行标签绑定并分类存储，包括：
快速读取导出的所述文本数据中的属性字段，从所述文本数据中找出符合所述规则的测试场景的时间段，根据所述时间段对所述原始视频流数据进行切片，得到最终的特定测试场景视频段，并根据所述规则的属性字段内容打上分类标签，归类保存。
进一步，所述从所述文本数据中找出符合所述规则的测试场景的时间段，还包括：
建立表格，确定符合所述规则的所述测试场景在所述文本数据中的开始时间和结束时间、以及对应的原始视频流数据名称，将所述开始时间、所述结束时间、所述原始视频流数据名称写入表格，算出自然驾驶原始视频流数据的时间段。
附图说明
图1为本发明流程图；
图2为本发明的属性因子表格示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
基于自然驾驶原始数据自动获取测试场景的方法，如图1所示，包括以下步骤：
步骤1，采用视频采集工具预先采集自然驾驶原始视频流数据，使用解析工具解析出所述原始视频流数据的属性字段数据，导出并保存为CSV格式的文本数据。
步骤2，分析所述文本数据，提炼出描述测试场景的属性字段，组合所述属性字段以形成规则；具体的，从所述文本数据中提炼出描述各类测试场景的属性字段，将提炼出的所述属性字段进行分类后形成属性因子表格。例如：场景中只有一辆卡车并在自车的左边车道加速行驶。可以提炼目标车的数量，目标车的类型，目标车所在的相对位置，目标车的行驶行为。如图2所示为一个属性因子表格的举例，根据描述测试场景的字段的属性将提取出的属性字段分类为道路的线型、车的速度范围、车的运动行为、车的数量、车的类型、车的相对位置几个大类，每个大类下再次细分为小类，例如：其中道路的线型又分为直道、弯道、匝道，车的速度范围又分为静止、0～20km/h、20～40km/h等，车的运动行为又分为加速、减速、匀速，车的数量又分为1、2、3等，车的类型又分为卡车、小车、行人等，车的相对位置又分为左车道、左并线、右并线等。将提炼出的属性字段进行对应归类到每个类别下。
当需要某一种测试场景时，将所述属性因子表格内的每类所述属性字段提取后进行组合，组合这些属性字段形成算法公式，组合后的所述属性字段形成测试场景的规则，每一种所述规则对应描述一类所述测试场景。
步骤3，根据所述规则，将所述原始视频流数据切片、分割成符合所述规则的测试场景，对获取的所述测试场景进行标签绑定并分类存储。具体的，根据所述公式快速读取导出的所述文本数据中的属性字段，从所述文本数据中找出并筛选符合所述规则的测试场景的时间段，根据所述时间段对所述原始视频流数据进行切片，得到最终的特定测试场景视频段，并根据所述规则的属性字段内容打上分类标签，上传至服务器，归类保存。
进一步，步骤3中，所述从所述文本数据中找出符合所述规则的测试场景的时间段，还包括：
建立excel表格，确定符合所述规则的所述测试场景在所述文本数据中的开始时间和结束时间、以及对应的原始视频流数据名称，将所述开始时间、所述结束时间、所述原始视频流数据名称写入excel表格中做好标记，并对文本数据片段的开始时间和结束时间进行校准，算出自然驾驶原始视频流数据的时间段。
基于自然驾驶原始数据自动获取测试场景的系统，包括数据采集与解析模块、分析模块、提取与分类存储模块；
所述数据采集与解析模块，用于采集自然驾驶原始视频流数据，解析出所述原始视频流数据的属性字段数据并导出为文本数据；
所述分析模块，用于分析所述文本数据，提炼出描述测试场景的属性字段，组合所述属性字段以形成规则；
所述提取与分类存储模块，用于根据所述规则，将所述原始视频流数据切片、分割成符合所述规则的测试场景，对获取的所述测试场景进行标签绑定并分类存储。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述基于自然驾驶原始数据自动获取测试场景方法的步骤。
一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述基于自然驾驶原始数据自动获取测试场景方法的步骤。
需要说明的是，上述的存储器、存储介质中的计算机软件程序指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明提出的是一种从多角度层次结合并获取测试场景的方法，先把原始的动态采集数据按照设定的规则解析为文本数据；再根据驾驶的行车行为，提炼多种属性因子，并把这些属性因子组合成特定规则；其后利用这些规则，结合文本数据，从原始的动态采集数据中自动的获取相应场景，并做分类。本发明提供的方法及系统不再需要人工的去获取特定的测试场景，并能给测试场景进行归类，用于自动驾驶中测试场景库的系统构建。将自然驾驶的原始数据进行自动化切片，并给这些测试场景自动贴上标签，然后根据这些标签去进行测试场景自动归类。与原先的人为的获取自然驾驶测试场景发方法相比，获取测试场景效率和测试场景归类的准确度都得到了很大的提升，大大提升了自动驾驶场景库系统构建的效率。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于自然驾驶原始数据自动获取测试场景的方法，其特征在于，包括以下步骤：
采集自然驾驶原始视频流数据，解析出所述原始视频流数据的属性字段数据并导出为文本数据；
分析所述文本数据，提炼出描述测试场景的属性字段，组合所述属性字段以形成规则；
根据所述规则，将所述原始视频流数据切片、分割成符合所述规则的测试场景，对获取的所述测试场景进行标签绑定并分类存储。
2.根据权利要求1所述的方法，其特征在于，所述解析出所述原始视频流数据的属性字段数据并导出为文本数据，还包括：
将所述原始视频流数据的属性字段数据导出并保存为CSV格式的文本数据。
3.根据权利要求1所述的方法，其特征在于，所述分析所述文本数据，提炼出描述测试场景的属性字段，组合所述属性字段以形成规则，包括：
从所述文本数据中提炼出描述各类测试场景的属性字段，将所述属性字段进行分类后形成属性因子表格，将所述属性因子表格内的各类所述属性字段进行组合，以形成各类测试场景的规则。
4.根据权利要求3所述的方法，其特征在于，所述将所述属性因子表格内的各类所述属性字段进行组合，以形成各类测试场景的规则，包括：
将所述属性因子表格内的每类所述属性字段提取后进行组合，组合后的所述属性字段形成测试场景的规则，每一种所述规则对应描述一类所述测试场景。
5.根据权利要求1所述的方法，其特征在于，所述根据所述规则，将所述原始视频流数据切片、分割成符合所述规则的测试场景，对获取的所述测试场景进行标签绑定并分类存储，包括：
读取导出的所述文本数据中的属性字段，从所述文本数据中找出符合所述规则的测试场景的时间段，根据所述时间段对所述原始视频流数据进行切片，得到最终的特定测试场景视频段，并根据所述规则的属性字段内容打上分类标签，归类保存。
6.根据权利要求5所述的方法，其特征在于，所述从所述文本数据中找出符合所述规则的测试场景的时间段，还包括：
建立表格，确定符合所述规则的所述测试场景在所述文本数据中的开始时间和结束时间、以及对应的原始视频流数据名称，将所述开始时间、所述结束时间、所述原始视频流数据名称写入表格，算出自然驾驶原始视频流数据的时间段。
7.一种基于自然驾驶原始数据自动获取测试场景的系统，其特征在于，包括数据采集与解析模块、分析模块、提取与分类存储模块；
所述数据采集与解析模块，用于采集自然驾驶原始视频流数据，解析出所述原始视频流数据的属性字段数据并导出为文本数据；
所述分析模块，用于分析所述文本数据，提炼出描述测试场景的属性字段，组合所述属性字段以形成规则；
所述提取与分类存储模块，用于根据所述规则，将所述原始视频流数据切片、分割成符合所述规则的测试场景，对获取的所述测试场景进行标签绑定并分类存储。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于自然驾驶原始数据自动获取测试场景方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述基于自然驾驶原始数据自动获取测试场景方法的步骤。
CN201910989952.3A 2019-10-17 2019-10-17 基于自然驾驶原始数据自动获取测试场景的方法与系统 Withdrawn CN111062241A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910989952.3A CN111062241A (zh) 2019-10-17 2019-10-17 基于自然驾驶原始数据自动获取测试场景的方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910989952.3A CN111062241A (zh) 2019-10-17 2019-10-17 基于自然驾驶原始数据自动获取测试场景的方法与系统

Publications (1)

Publication Number Publication Date
CN111062241A true CN111062241A (zh) 2020-04-24

Family

ID=70298426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910989952.3A Withdrawn CN111062241A (zh) 2019-10-17 2019-10-17 基于自然驾驶原始数据自动获取测试场景的方法与系统

Country Status (1)

Country Link
CN (1) CN111062241A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111765904A (zh) * 2020-06-29 2020-10-13 北京百度网讯科技有限公司 自动驾驶车辆的测试方法、装置、电子设备和介质
CN112513951A (zh) * 2020-10-28 2021-03-16 华为技术有限公司 一种场景文件的获取方法以及装置
CN112995286A (zh) * 2021-02-04 2021-06-18 福瑞泰克智能系统有限公司 辅助驾驶系统的数据管理系统、方法和存储介质
CN114089773A (zh) * 2022-01-11 2022-02-25 深圳佑驾创新科技有限公司 自动驾驶车辆的测试方法、装置、设备及存储介质
CN114740759A (zh) * 2022-04-18 2022-07-12 中国第一汽车股份有限公司 自动驾驶系统的测试方法、装置、存储介质及电子装置
CN115249408A (zh) * 2022-06-21 2022-10-28 重庆长安汽车股份有限公司 一种自动驾驶测试数据的场景分类提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598561A (zh) * 2015-01-07 2015-05-06 中国农业大学 一种基于文本的农业视频智能分类方法及装置
CN109275046A (zh) * 2018-08-21 2019-01-25 华中师范大学 一种基于双视频采集的教学数据标注方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598561A (zh) * 2015-01-07 2015-05-06 中国农业大学 一种基于文本的农业视频智能分类方法及装置
CN109275046A (zh) * 2018-08-21 2019-01-25 华中师范大学 一种基于双视频采集的教学数据标注方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111765904A (zh) * 2020-06-29 2020-10-13 北京百度网讯科技有限公司 自动驾驶车辆的测试方法、装置、电子设备和介质
CN111765904B (zh) * 2020-06-29 2023-12-15 北京百度网讯科技有限公司 自动驾驶车辆的测试方法、装置、电子设备和介质
CN112513951A (zh) * 2020-10-28 2021-03-16 华为技术有限公司 一种场景文件的获取方法以及装置
CN112995286A (zh) * 2021-02-04 2021-06-18 福瑞泰克智能系统有限公司 辅助驾驶系统的数据管理系统、方法和存储介质
CN114089773A (zh) * 2022-01-11 2022-02-25 深圳佑驾创新科技有限公司 自动驾驶车辆的测试方法、装置、设备及存储介质
CN114740759A (zh) * 2022-04-18 2022-07-12 中国第一汽车股份有限公司 自动驾驶系统的测试方法、装置、存储介质及电子装置
CN115249408A (zh) * 2022-06-21 2022-10-28 重庆长安汽车股份有限公司 一种自动驾驶测试数据的场景分类提取方法

Similar Documents

Publication Publication Date Title
CN111062241A (zh) 基于自然驾驶原始数据自动获取测试场景的方法与系统
CN110956081B (zh) 车辆与交通标线位置关系的识别方法、装置及存储介质
CN105930771A (zh) 一种驾驶行为评分方法及装置
CN112329816A (zh) 数据分类方法、装置、电子设备和可读存储介质
US20220156994A1 (en) Synthetic visual content creation and modification using textual input
CN115830399B (zh) 分类模型训练方法、装置、设备、存储介质和程序产品
CN112308148A (zh) 缺陷类别识别、孪生神经网络训练方法、装置及存储介质
CN112466118A (zh) 车辆驾驶行为识别方法、系统、电子设备及存储介质
CN114359943A (zh) Ofd版式文档段落识别方法及装置
CN110728193B (zh) 一种脸部图像丰富度特征的检测方法及设备
CN105677878A (zh) 一种基于bi系统的车辆信息多维展示的方法及系统
Kejriwal et al. Vehicle detection and counting using deep learning basedYOLO and deep SORT algorithm for urban traffic management system
US10417358B2 (en) Method and apparatus of obtaining feature information of simulated agents
CN112380993A (zh) 基于目标实时追踪信息的智能违法行为检测系统及方法
CN112434585A (zh) 一种车道线的虚实识别方法、系统、电子设备及存储介质
CN115114786B (zh) 一种用于交通流仿真模型的评估方法、系统和存储介质
CN113723402B (zh) 图像处理及网络训练方法、装置、设备和存储介质
CN114792421A (zh) 一种面向复杂交通场景的字符识别方法、装置、设备和介质
Pfeffer et al. Development and Implementation of a Concept for the Meta Description of Highway Driving Scenarios with Focus on Interactions of Road Users.
CN112257869A (zh) 基于随机森林的套牌车分析方法、系统及计算机介质
CN111950644A (zh) 模型的训练样本选择方法、装置及计算机设备
CN112277958B (zh) 一种驾驶员制动行为分析方法
US20230326046A1 (en) Application matching method and application matching device
CN114241367B (zh) 视觉语义检测方法和系统
CN112308155B (zh) 一种标注准确率确定方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20200424

WW01 Invention patent application withdrawn after publication