CN113361388B - 图像数据修正方法、装置、电子设备及自动驾驶车辆 - Google Patents

图像数据修正方法、装置、电子设备及自动驾驶车辆 Download PDF

Info

Publication number
CN113361388B
CN113361388B CN202110620422.9A CN202110620422A CN113361388B CN 113361388 B CN113361388 B CN 113361388B CN 202110620422 A CN202110620422 A CN 202110620422A CN 113361388 B CN113361388 B CN 113361388B
Authority
CN
China
Prior art keywords
feedback data
data
feedback
image
auxiliary
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.)
Active
Application number
CN202110620422.9A
Other languages
English (en)
Other versions
CN113361388A (zh
Inventor
王玉峰
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110620422.9A priority Critical patent/CN113361388B/zh
Publication of CN113361388A publication Critical patent/CN113361388A/zh
Priority to JP2022042618A priority patent/JP7346638B2/ja
Priority to EP22164259.8A priority patent/EP4040403A3/en
Priority to KR1020220037743A priority patent/KR102579124B1/ko
Priority to US17/709,231 priority patent/US20220219724A1/en
Application granted granted Critical
Publication of CN113361388B publication Critical patent/CN113361388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/987—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns with the intervention of an operator
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/21—Collision detection, intersection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Studio Devices (AREA)
  • Navigation (AREA)

Abstract

本公开提供了图像数据修正方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及自动驾驶、场景监控和智能交通等人工智能技术领域。该方法的一具体实施方式包括：响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，获取采集时刻位于该当前反馈数据之后的辅助反馈数据，其中，该历史反馈数据与该当前反馈数据的采集时刻差小于第一预设时长，响应于该辅助反馈数据存在该目标对象，提取该目标对象的图像数据，并根据该图像数据修正该当前反馈数据。该实施方式提供了一种图像数据修正方法，在连续反馈数据时，可以对反馈数据进行检测和修正，以避免因个别反馈数据异常产生检测闪烁，提升反馈数据的质量。

Description

图像数据修正方法、装置、电子设备及自动驾驶车辆
技术领域
本公开涉及数据处理技术领域，具体涉及自动驾驶、场景监控和智能交通等人工智能技术领域，尤其涉及图像数据修正方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
随着无人车辆业务的发展，驾驶数据、道路数据反馈成为自动驾驶的重要组成部分，为了方便驾驶人、监控人员了解到无人车辆的运行状态以及道路信息，通常会根据反馈得到的驾驶数据、道路数据渲染生成相应的反馈画面，例如以人机接口(Human MachineInterface，简称HMI)渲染系统根据获取到的反馈数据生成相应的反馈视频，以实现通过人机交互的方式帮助驾驶人、监控人员了解到车辆的运行情况。
因此为无人车辆提供一种给人稳定视觉感受舒畅的显示系统显得尤为重要。
发明内容
本公开实施例提出了一种图像数据修正方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
第一方面，本公开实施例提出了一种图像数据修正方法，包括：响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，获取采集时刻位于该当前反馈数据之后的辅助反馈数据，该历史反馈数据与该当前反馈数据的采集时刻差小于第一预设时长；响应于该辅助反馈数据存在该目标对象，提取该目标对象的图像数据；根据该图像数据修正该当前反馈数据。
第二方面，本公开实施例提出了一种图像数据修正装置，包括：辅助反馈数据获取单元，被配置成响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，获取采集时刻位于该当前反馈数据之后的辅助反馈数据，该历史反馈数据与该当前反馈数据的采集时刻差小于第一预设时长；目标对象提取单元，被配置成响应于该辅助反馈数据存在该目标对象，提取该目标对象的图像数据；图像数据修正单元，被配置成根据该图像数据修正该当前反馈数据。
第三方面，本公开实施例提供了一种电子设备，该电子设备包括：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，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的图像数据修正方法。
第四方面，本公开实施例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，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的图像数据修正方法。
第五方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的图像数据修正方法。
本公开实施例提供的图像数据修正方法、装置、电子设备、计算机可读存储介质及计算机程序产品，响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，获取采集时刻位于该当前反馈数据之后的辅助反馈数据，其中，该历史反馈数据与该当前反馈数据的采集时刻差小于第一预设时长，响应于该辅助反馈数据存在该目标对象，提取该目标对象的图像数据，并根据该图像数据修正该当前反馈数据。
本公开在连续获取到反馈数据后，若当前反馈数据中不存在采集时刻距离该反馈数据在预设范围内的历史反馈数据中的目标对象时，确定该当前反馈数据可能存在异常，并利用该当前反馈数据后的辅助反馈数据进行辅助检测，若确定该当前反馈数据中的内容存在异常时，补入该目标对象的图像数据，以实现对当前反馈数据的修正，避免因个别反馈数据异常产生检测闪烁，提升反馈数据的质量。
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。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开可以应用于其中的示例性系统架构；
图2为本公开实施例提供的一种图像数据修正方法的流程图；
图3为本公开实施例提供的另一种图像数据修正方法的流程图；
图4a、4b、4c和4d为本公开实施例提供的在一应用场景下的图像数据修正方法中反馈数据对应的反馈图像的效果示意图；
图5为本公开实施例提供的一种图像数据修正装置的结构框图；
图6为本公开实施例提供的一种适用于执行图像数据修正方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
此外，本公开涉及的技术方案中，所涉及的用户个人信息的获取(例如本公开后续涉及的包含人脸对象的等的反馈数据)、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
图1示出了可以应用本公开的图像数据修正方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如自动驾驶类应用、反馈数据监测类应用、即时通讯类应用等。
终端设备101、102、103和服务器105可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等；当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；服务器为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
服务器105通过内置的各种应用可以提供各种服务，以可以提供基于道路反馈数据进行自动驾驶控制的自动驾驶类应用为例，服务器105在运行该自动驾驶类应用时可实现如下效果：首先，通过网络104从终端设备101、102、103中获取连续获取多个反馈数据，在响应于当前反馈数据中不存在距该当前反馈数据采集时刻差小于第一预设时间内的历史反馈数据中出现过的目标对象时，获取采集时刻位于该当前反馈数据之后的辅助反馈数据；然后，服务器105响应于该反馈数据中存在该目标对象，提取该目标对象的图像数据；最后，服务器105根据该图像数据对当前反馈数据进行修正。
需要指出的是，连续获取到的多个反馈数据除可以从终端设备101、102、103通过网络104获取到之外，也可以通过各种方式预先存储在服务器105本地。因此，当服务器105检测到本地已经存储有这些数据时(例如开始处理之前已获取到的反馈数据)，可选择直接从本地获取这些数据，在此种情况下，示例性系统架构100也可以不包括终端设备101、102、103和网络104。
由于储存数据、提取反馈数据中的对象以及修正反馈数据需要占用较多的运算资源和较强的运算能力，因此本公开后续各实施例所提供的图像数据修正方法一般由拥有较强运算能力、较多运算资源的服务器105来执行，相应地，图像数据修正装置一般也设置于服务器105中。但同时也需要指出的是，在终端设备101、102、103也具有满足要求的运算能力和运算资源时，终端设备101、102、103也可以通过其上安装的自动驾驶类应用完成上述本交由服务器105做的各项运算，进而输出与服务器105同样的结果。尤其是在同时存在多种具有不同运算能力的终端设备的情况下，但自动驾驶类应用判断所在的终端设备拥有较强的运算能力和剩余较多的运算资源时，可以让终端设备来执行上述运算，从而适当减轻服务器105的运算压力，相应的，图像数据修正装置也可以设置于终端设备101、102、103中。在此种情况下，示例性系统架构100也可以不包括服务器105和网络104。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
请参考图2，图2为本公开实施例提供的一种图像数据修正方法的流程图，其中流程200包括以下步骤：
步骤201，响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，获取采集时刻位于当前反馈数据之后的辅助反馈数据。
在本实施例中，由图像数据修正方法的执行主体(例如图1所示的服务器105)连续获取多个反馈数据，在当前反馈数据中不存在历史反馈数据中出现过的目标对象时进行响应，获取采集时刻位置该当前反馈数据之后的辅助反馈数据。
其中，该历史反馈数据的采集时刻与当前反馈数据的采集时刻差小于第一预设时长，该第一预设时长通常可以根据采集反馈数据的传感器或反馈数据所对应的运动物体的速度进行确定，以便于结合运动物体的实际运动状况确定匹配的采集时刻，以避免因第一预设时长过长导致的对反馈数据是否异常的判断失准和/或对异常反馈修正不及时。
应当理解的是，辅助反馈数据的为与该当前反馈数据相同采集设备所采集的，采集时刻位于该当前反馈数据之后的反馈数据，通常为提升对当前反馈数据进行的是否存在反馈数据异常的检测的质量，该辅助反馈数据的采集时刻优选地该传感器可提供的、位于该当前反馈数据采集时刻最近的反馈数据作为辅助反馈数据。
需要指出的是，各反馈数据可以由上述执行主体直接从本地的存储设备获取，也可以从非本地的存储设备(例如图1所示的终端设备101、102、103)中获取。本地的存储设备可以是设置在上述执行主体内的一个数据存储模块，例如服务器硬盘，在此种情况下，各反馈数据可以在本地快速读取到；非本地的存储设备还可以为其它任何被设置用于存储数据的电子设备，例如一些用户终端等，在此情况下，上述执行主体可以通过向该电子设备发送获取命令来获取所需的各反馈数据。
步骤202，响应于辅助反馈数据存在目标对象，提取目标对象的图像数据。
在本实施例中，基于上述步骤201中提取到辅助反馈数据中，对该辅助反馈数据进行解析，以确定该辅助反馈数据中包括的内容，在确定该辅助反馈数据对象中存在上述步骤201中确定的目标对象时，从历史数据和/或辅助反馈数据中提取该目标对象的图像数据。
应当理解的是，在历史数据和/或辅助反馈数据中存在的为其他非图像数据形式的目标图像的反馈数据时，上述执行主体可通过本地或非本地的转换、渲染装置将其他非图像数据形式的数据转换为对应的图像数据。
步骤203，根据图像数据修正当前反馈数据。
在本实施例中，在根据上述步骤202中获取到目标对象的图像数据后，将该图像数据的内容补充至该当前反馈数据中，以对当前反馈数据中的内容进行修正，以便于后续根据该修正后的当前反馈数据渲染生成反馈图像、反馈信息时，其中包含有与该目标对象对应的内容。
本公开实施例提供的图像数据修正方法，在连续获取到反馈数据后，若当前反馈数据中不存在采集时刻距离该反馈数据在预设范围内的历史反馈数据中的目标对象时，确定该当前反馈数据可能存在异常，并利用该当前反馈数据后的辅助反馈数据进行辅助检测，若确定该当前反馈数据中的内容存在异常时，补入该目标对象的图像数据，以实现对当前反馈数据的修正，避免因个别反馈数据异常产生检测闪烁，提升反馈数据的质量。
在本实施例的一些可选的实现方式中，在提取目标对象对应的图像数据并根据该图像数据修正当前反馈数据的过程中，因反馈数据对应的运动物体处于运动状态，所以该目标对象在当前反馈数据所对应的相较于历史反馈数据中所对应的位置可能存在一定偏差，为提升当前反馈数据中针对该目标对象的反馈数据的质量，该图像数据修正方法还包括：从该历史反馈数据获取该目标对象的第一位置信息；从该辅助反馈数据中获取该目标对象的第二位置信息；根据该第一位置信息和该第二位置信息，确定运动参数；根据该运动参数确定该目标对象在该当前反馈数据中的目标出现位置；以及该基于该差异图像数据修正该当前反馈数据，包括：将该图像数据添加至该当前反馈数据中与该目标出现位置匹配的实际位置。
具体的，获取基于历史反馈数据确定的该目标对象的第一位置信息以及基于辅助反馈数据确定的该目标对象的第二位置信息，根据历史反馈数据的采集时刻和辅助反馈数据的采集时刻结合第一位置信息和第二位置信息和历史反馈数据确定对应的运动参数，并根据该运动参数预测目标对象在当前反馈数据中的出现位置，并根据该出现位置确定对应的图像数据，并将该图像数据添加至该当前反馈数据中与该目标出现位置匹配的实际位置，以获取与目标对象位于当前反馈数据中真实位置较为接近的修正后的当前反馈数据，提升修正质量。
在本实施例的一些可选的实现方式中，因基于第一位置信息和第二信息确定的运动参数得到的目标出现位置为预测位置受与反馈数据对应的运动物体后续持续运动的影响，实际上该目标出现位置可能与真实情况下的当前反馈数据中对应位置的物体存在冲突，造成叠加显示，为解决该问题在将图像数据添加至当前反馈数据中与目标出现位置匹配的实际位置之后，还包括：响应于该当前反馈数据在该实际位置上存在与该图像数据的冲突对象，按预设路径返回包含该目标对象和该冲突对象的修正指示信息。
具体的，在当前反馈数据在该实际位置上存在与该图像数据的冲突对象时，上述执行主体进行响应，并按照按预设路径返回包含该目标对象和该冲突对象的修正指示信息，其中，该修正指示信息可以包含以便于实际的用户根据该修正指示信息进行调整。
在本实施例的一些可选的实现方式中，获取采集时刻位于当前反馈数据之后的辅助反馈数据，包括：获取采集时刻位于该当前反馈数据之后第二预设时长内的多个辅助反馈数据，生成辅助反馈数据集合；以及响应于该辅助反馈数据存在该目标对象，提取该目标对象的图像数据，包括：响应于该辅助反馈数据集合中的目标辅助反馈数据的占比超过预设比值，从距该当前反馈数据的采集时刻最近的目标辅助反馈数据中提取该目标对象的图像数据，该目标辅助反馈数据为存在该目标对象的辅助反馈数据。
具体的，获取位于当前反馈数据之后第二预设时长内的多个辅助反馈数据，并生成对应的辅助反馈数据集合，在辅助反馈数据集合中包含该目标对象的目标辅助反馈数据的占比超过预设比值后，从距离该当前反馈数据的采集时刻最近的目标辅助反馈数据中提取该目标对象的图像数据，以增加辅助反馈数据的方式，避免因个别辅助反馈数据产生与当前反馈数据中同样的异常，影响图像数据修正效果。
其中，第二预设时长通常可以根据采集反馈数据的传感器或反馈数据所对应的运动物体的速度进行确定，也可以在获取该传感器的采集上述历史反馈数据、当前反馈数据的采集周期进行确定，在基于辅助反馈数据结合中的目标辅助反馈数据确定需要对当前反馈数据进行修正后，从距离该当前反馈数据的采集时刻最近的目标辅助反馈数据中提取该目标对象的图像数据，以减少因该运动物体运动带来的反馈误差。
请参考图3，图3为本公开实施例提供的另一种图像数据修正方法的流程图，其中流程300包括以下步骤：
步骤301，响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，获取采集时刻位于该当前反馈数据之后的辅助反馈数据。
步骤302，响应于该辅助反馈数据存在该目标对象，提取该目标对象的图像数据。
步骤303，根据该图像数据修正该当前反馈数据。
以上步骤301-303与如图2所示的步骤201-203一致，相同部分内容请参见上一实施例的相应部分，此处不再进行赘述。
步骤304，生成与不需要修正的反馈数据对应的第一反馈图像，以及生成与需要修正的反馈数据的修正后反馈数据对应的第二反馈图像。
在本实施例中，生成与各反馈数据对应的反馈图像，其中当反馈数据不需要修正时，则根据该反馈数据直接与该反馈图像生成对应的第一反馈图像，当反馈数据需要进行修正时，则根据该修正后的反馈数据生成与该修正后的反馈数据对应的第二反馈图像。
步骤305，按照各反馈数据的采集时刻顺序排列对应的各反馈图像，生成反馈图像视频流。
在本实施例中，将与各反馈数据对应的第一图像或第二图像按照各各个反馈数据的采集时刻顺序进行排列，以生成反馈图像视频流。
应当理解的是，各反馈数据仅单独对应有第一图像或第二图像中的一种，不会同时对应有第一对象和第二图像。
步骤306，根据反馈图像视频流生成交互图像视频流，交互图像视频流的开始展示时刻落后于该反馈图像视频流的开始展示时刻。
在本实施例中，根据该反馈图像视频流渲染生成交互图像视频流，交互图像视频流开始展示时刻落后于该反馈图像视频流的开始展示时刻，即在交互图像视频流开始展示一定时刻后，进行该交互图像视频流的展示，以避免因上述执行主体对反馈进行图像数据修正而带来的交互图像视频流的展示卡顿。
在实践中，在确定有反馈图像视频流后，可以利用HMI渲染系统将该反馈视频流渲染成可供终端显示设备播放的交互图像视频流。
本实施例在上述图2所对应的实施例的基础上，进一步的，可以基于未修正的反馈数据和修正后的反馈数据生成最终的交互图像视频流，以便于通过该交互图像视频流与用户进行交互，为用户呈现基于反馈数据得到的交互图像视频，以便于用户对反馈数据中包括的信息进行更为直观的读取，实现反馈数据相对于用户的可视化。
在本实施例的一些可选的实现方式中，还包括：响应于当前反馈数据中存在历史反馈数据中未出现的新增对象，在该当前反馈数据对应的反馈图像中设置该新增对象的出现方式为淡入。
具体的，在当前反馈数据中存在历史反馈数据中未出现的新增对象，则在生成与该当前反馈数据对应的反馈图像时，设置该新增对象的出现方式为淡入，以避免该新增对象在生成的交互图像视频流中突然跳入、对用户造成视觉冲击。
在本实施例的一些可选的实现方式中，该响应于该当前反馈数据中存在该历史反馈数据中未反馈的新增对象，在该当前反馈数据对应的反馈图像中设置该新增对象的出现方式为淡入，包括：响应于该当前反馈数据中反馈有未存在于该历史反馈数据中的新增对象，获取采集时刻位于该当前反馈数据之后的验证反馈数据；响应于该验证反馈数据中存在该新增对象，在该当前反馈数据对应的反馈图像中设置该新增对象的出现方式为淡入。
具体的，在当前反馈数据中存在有历史数据中未反馈的新增对象时，进一步的还可以获取采集时刻该当前反馈数据之后的验证反馈数据，以通过验证反馈数据中的内容验证该新增对象是否因当前反馈数据发生异常而产生的误识别对象，在基于验证反馈数据确定该新增对象为真实的、并非当前反馈数据发生异常而产生的误识别对象时，再设置该新增对象的出现方式为淡入，以避免因当前反馈数据突发异常导致错误的添加了新增对象。
在本公开一些可选的实施例中，为了提升与数据处理相关的反馈数据的质量，还可以设置对目标对象进行筛选，以避免因参考价值过低或无参考价值的目标对象缺失，而执行上述图像数据修正方法时所造成的运算资源的浪费。示例性的，当上述图像数据修正方法应用于智能驾驶等相关领域时，可以设置该目标对象为可影响车辆驾驶状况设置的障碍物对象，在当前反馈数据中不存在历史反馈数据中出现过的障碍物对象时，对数据进行修正。
为加深理解，本公开还结合一个具体应用场景，给出了一种具体的实现方案，具体如下：
为方便理解，以基于反馈数据生成的反馈图像的效果示意图来表征反馈数据中的内容。
在该应用场景下，上述执行主体获取到的当前反馈数据对应的反馈图像如图4a所示，与该当前反馈数据对应的采集时刻的采集时刻差小于第一预设时长历史反馈数据对应的反馈图像如图4b所示。
响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，即位于图4b中的“障碍物A”，获取采集时刻位于该当前反馈数据之后的辅助反馈数据，该辅助反馈数据对应的反馈图像如图4c所示。
响应于该辅助反馈数据存在该“障碍物A”，分别提取该“障碍物A”位于图4b中的第一位置信息以及位于图4c中的位置信息。
根据第一位置信息和第二位置信息确定运动参数，并确定出该“障碍物A”应位于图4a的目标出现位置，将该图像数据添加至当前反馈数据中与该目标出现位置匹配的实际位置，最终得到的反馈图像如图4d所示。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种图像数据修正装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的图像数据修正装置500可以包括：辅助反馈数据获取单元501、目标对象提取单元502、图像数据修正单元503。其中，辅助反馈数据获取单元501，被配置成响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，获取采集时刻位于该当前反馈数据之后的辅助反馈数据，该历史反馈数据与该当前反馈数据的采集时刻差小于第一预设时长；目标对象提取单元502，被配置成响应于该辅助反馈数据存在该目标对象，提取该目标对象的图像数据；图像数据修正单元503，被配置成根据该图像数据修正该当前反馈数据。
在本实施例中，图像数据修正装置500中：辅助反馈数据获取单元501、目标对象提取单元502、图像数据修正单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，该图像数据修正装置500还包括：第一位置信息获取单元，被配置成从该历史反馈数据获取该目标对象的第一位置信息；第二位置信息获取单元，被配置成从该辅助反馈数据中获取该目标对象的第二位置信息；运动参数确定单元，被配置成根据该运动参数确定该目标对象在该当前反馈数据中的目标出现位置；位置预测单元，被配置成根据该运动参数确定该目标对象在该当前反馈数据中的目标出现位置；以及该图像数据修正单元进一步被配置成，将该图像数据添加至该当前反馈数据中与该目标出现位置匹配的实际位置。
在本实施例的一些可选的实现方式中，该图像数据修正装置500还包括：冲突提示单元，被配置成响应于该当前反馈数据在该实际位置上存在与该图像数据的冲突对象，按预设路径返回包含该目标对象和该冲突对象的修正指示信息。
在本实施例的一些可选的实现方式中，该辅助反馈数据获取单元501，包括：辅助反馈数据集合生成子单元，被配置成获取采集时刻位于该当前反馈数据之后第二预设时长内的多个辅助反馈数据，生成辅助反馈数据集合；图像数据提取子单元，被配置成响应于该辅助反馈数据集合中的目标辅助反馈数据的占比超过预设比值，从距该当前反馈数据的采集时刻最近的目标辅助反馈数据中提取该目标对象的图像数据，该目标辅助反馈数据为存在该目标对象的辅助反馈数据。
在本实施例的一些可选的实现方式中，该图像数据修正装置500还包括：反馈图像生成单元，被配置成生成与不需要修正的反馈数据对应的第一反馈图像，以及生成与需要修正的反馈数据的修正后反馈数据对应的第二反馈图像；反馈视频流生成单元，被配置成按照各反馈数据的采集时刻顺序排列对应的各反馈图像，生成反馈图像视频流，该反馈图像包括第一反馈图像或第二反馈图像；交互图像视频流生成单元，被配置成根据该反馈图像视频流生成交互图像视频流，该交互图像视频流的开始展示时刻落后于该反馈图像视频流的开始展示时刻。
在本实施例的一些可选的实现方式中，该图像数据修正装置500还包括：新增对象添加单元，被配置成响应于该当前反馈数据中存在该历史反馈数据中未反馈的新增对象，在该当前反馈数据对应的反馈图像中设置该新增对象的出现方式为淡入。
在本实施例的一些可选的实现方式中，该新增对象添加单元，包括：
验证反馈数据获取子单元，被配置成响应于该当前反馈数据中存在该历史反馈数据中未反馈的新增对象，获取采集时刻位于该当前反馈数据之后的验证反馈数据；新增对象添加子单元，被配置成响应于该验证反馈数据中存在该新增对象，在该当前反馈数据对应的反馈图像中设置该新增对象的出现方式为淡入。
本实施例作为对应于上述方法实施例的装置实施例存在，本实施例提供的图像数据修正装置在连续获取到反馈数据后，若当前反馈数据中不存在采集时刻距离该反馈数据在预设范围内的历史反馈数据中的目标对象时，确定该当前反馈数据可能存在异常，并利用该当前反馈数据后的辅助反馈数据进行辅助检测，若确定该当前反馈数据中的内容存在异常时，补入该目标对象的图像数据，以实现对当前反馈数据的修正，避免因个别反馈数据异常产生检测闪烁，提升反馈数据的质量。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品，该计算机程序产品在被处理器执行时能够实现上述任意实施例所描述的图像数据修正方法。
根据本公开的实施例，本公开还提供了一种配置有上述电子设备的自动驾驶车辆，配置的电子设备可在其处理器执行时能够实现上述任意实施例所描述的图像数据修正方法。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如图像数据修正方法。例如，在一些实施例中，图像数据修正方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的图像数据修正方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像数据修正方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。服务器也可以分为分布式系统的服务器，或者是结合了区块链的服务器。
根据本公开实施例的技术方案，在连续获取到反馈数据后，若当前反馈数据中不存在采集时刻距离该反馈数据在预设范围内的历史反馈数据中的目标对象时，确定该当前反馈数据可能存在异常，并利用该当前反馈数据后的辅助反馈数据进行辅助检测，若确定该当前反馈数据中的内容存在异常时，补入该目标对象的图像数据，以实现对当前反馈数据的修正，避免因个别反馈数据异常产生检测闪烁，提升反馈数据的质量。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (16)

1.一种图像数据修正方法，应用于自动驾驶车辆，包括：
响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，获取采集时刻位于所述当前反馈数据之后的辅助反馈数据，所述历史反馈数据与所述当前反馈数据的采集时刻差小于第一预设时长，所述历史反馈数据、所述当前反馈数据、所述辅助反馈数据均为配置在所述自动驾驶车辆上的传感器对不同时刻下采集到的用于反馈行驶环境信息的数据；
响应于所述辅助反馈数据存在所述目标对象，提取所述目标对象的图像数据；
从所述历史反馈数据获取所述目标对象的第一位置信息；从所述辅助反馈数据中获取所述目标对象的第二位置信息；根据所述第一位置信息和所述第二位置信息，确定运动参数；根据所述运动参数确定所述目标对象在所述当前反馈数据中的目标出现位置；
将所述图像数据添加至所述当前反馈数据中与所述目标出现位置匹配的实际位置。
2.根据权利要求1所述的方法，在将所述图像数据添加至所述当前反馈数据中与所述目标出现位置匹配的实际位置之后，还包括：
响应于所述当前反馈数据在所述实际位置上存在与所述图像数据的冲突对象，按预设路径返回包含所述目标对象和所述冲突对象的修正指示信息。
3.根据权利要求1所述的方法，其中，所述获取采集时刻位于所述当前反馈数据之后的辅助反馈数据，包括：
获取采集时刻位于所述当前反馈数据之后第二预设时长内的多个辅助反馈数据，生成辅助反馈数据集合；以及
所述响应于所述辅助反馈数据存在所述目标对象，提取所述目标对象的图像数据，包括：
响应于所述辅助反馈数据集合中的目标辅助反馈数据的占比超过预设比值，从距所述当前反馈数据的采集时刻最近的目标辅助反馈数据中提取所述目标对象的图像数据，所述目标辅助反馈数据为存在所述目标对象的辅助反馈数据。
4.根据权利要求1所述的方法，还包括：
生成与不需要修正的反馈数据对应的第一反馈图像，以及生成与需要修正的反馈数据的修正后反馈数据对应的第二反馈图像；
按照各反馈数据的采集时刻顺序排列对应的各反馈图像，生成反馈图像视频流，所述反馈图像包括第一反馈图像或第二反馈图像；
根据所述反馈图像视频流生成交互图像视频流，所述交互图像视频流的开始展示时刻落后于所述反馈图像视频流的开始展示时刻。
5.根据权利要求4所述的方法，还包括：
响应于所述当前反馈数据中存在所述历史反馈数据中未反馈的新增对象，在所述当前反馈数据对应的反馈图像中设置所述新增对象的出现方式为淡入。
6.根据权利要求4所述的方法，所述响应于所述当前反馈数据中反馈有未存在于所述历史反馈数据中的新增对象，在所述当前反馈数据对应的反馈图像中设置所述新增对象的出现方式为淡入，包括：
响应于所述当前反馈数据中存在所述历史反馈数据中未反馈的新增对象，获取采集时刻位于所述当前反馈数据之后的验证反馈数据；
响应于所述验证反馈数据中存在所述新增对象，在所述当前反馈数据对应的反馈图像中设置所述新增对象的出现方式为淡入。
7.一种图像数据修正装置，应用于自动驾驶车辆，包括：
辅助反馈数据获取单元，被配置成响应于当前反馈数据中不存在历史反馈数据中出现过的目标对象，获取采集时刻位于所述当前反馈数据之后的辅助反馈数据，所述历史反馈数据与所述当前反馈数据的采集时刻差小于第一预设时长，所述历史反馈数据、所述当前反馈数据、所述辅助反馈数据均为配置在所述自动驾驶车辆上的传感器对不同时刻下采集到的用于反馈行驶环境信息的数据；
目标对象提取单元，被配置成响应于所述辅助反馈数据存在所述目标对象，提取所述目标对象的图像数据；
第一位置信息获取单元，被配置成从所述历史反馈数据获取所述目标对象的第一位置信息；
第二位置信息获取单元，被配置成从所述辅助反馈数据中获取所述目标对象的第二位置信息；
运动参数确定单元，被配置成根据所述运动参数确定所述目标对象在所述当前反馈数据中的目标出现位置；
位置预测单元，被配置成根据所述运动参数确定所述目标对象在所述当前反馈数据中的目标出现位置；
图像数据修正单元，被配置成将所述图像数据添加至所述当前反馈数据中与所述目标出现位置匹配的实际位置。
8.根据权利要求7所述的装置，还包括：
冲突提示单元，被配置成响应于所述当前反馈数据在所述实际位置上存在与所述图像数据的冲突对象，按预设路径返回包含所述目标对象和所述冲突对象的修正指示信息。
9.根据权利要求7所述的装置，其中，所述辅助反馈数据获取单元，包括：
辅助反馈数据集合生成子单元，被配置成获取采集时刻位于所述当前反馈数据之后第二预设时长内的多个辅助反馈数据，生成辅助反馈数据集合；
图像数据提取子单元，被配置成响应于所述辅助反馈数据集合中的目标辅助反馈数据的占比超过预设比值，从距所述当前反馈数据的采集时刻最近的目标辅助反馈数据中提取所述目标对象的图像数据，所述目标辅助反馈数据为存在所述目标对象的辅助反馈数据。
10.根据权利要求7所述的装置，还包括：
反馈图像生成单元，被配置成生成与不需要修正的反馈数据对应的第一反馈图像，以及生成与需要修正的反馈数据的修正后反馈数据对应的第二反馈图像；
反馈视频流生成单元，被配置成按照各反馈数据的采集时刻顺序排列对应的各反馈图像，生成反馈图像视频流，所述反馈图像包括第一反馈图像或第二反馈图像；
交互图像视频流生成单元，被配置成根据所述反馈图像视频流生成交互图像视频流，所述交互图像视频流的开始展示时刻落后于所述反馈图像视频流的开始展示时刻。
11.根据权利要求10所述的装置，还包括：
新增对象添加单元，被配置成响应于所述当前反馈数据中存在所述历史反馈数据中未反馈的新增对象，在所述当前反馈数据对应的反馈图像中设置所述新增对象的出现方式为淡入。
12.根据权利要求11所述的装置，其中，所述新增对象添加单元，包括：
验证反馈数据获取子单元，被配置成响应于所述当前反馈数据中存在所述历史反馈数据中未反馈的新增对象，获取采集时刻位于所述当前反馈数据之后的验证反馈数据；
新增对象添加子单元，被配置成响应于所述验证反馈数据中存在所述新增对象，在所述当前反馈数据对应的反馈图像中设置所述新增对象的出现方式为淡入。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的图像数据修正方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的图像数据修正方法。
15.一种计算机程序产品，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1-6中任一项所述的图像数据修正方法。
16.一种自动驾驶车辆，包括如权利要求13所述的电子设备。
CN202110620422.9A 2021-06-03 2021-06-03 图像数据修正方法、装置、电子设备及自动驾驶车辆 Active CN113361388B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110620422.9A CN113361388B (zh) 2021-06-03 2021-06-03 图像数据修正方法、装置、电子设备及自动驾驶车辆
JP2022042618A JP7346638B2 (ja) 2021-06-03 2022-03-17 画像データの修正方法、修正装置、電子機器、記憶媒体、コンピュータプログラムおよび自動運転車両
EP22164259.8A EP4040403A3 (en) 2021-06-03 2022-03-25 Method and apparatus for updating map data using vehicle camera
KR1020220037743A KR102579124B1 (ko) 2021-06-03 2022-03-28 영상 데이터 보정 방법, 장치, 전자 기기, 저장 매체, 컴퓨터 프로그램 및 자율 주행 차량
US17/709,231 US20220219724A1 (en) 2021-06-03 2022-03-30 Method and apparatus for correcting image data, electronic device and autonomous vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110620422.9A CN113361388B (zh) 2021-06-03 2021-06-03 图像数据修正方法、装置、电子设备及自动驾驶车辆

Publications (2)

Publication Number Publication Date
CN113361388A CN113361388A (zh) 2021-09-07
CN113361388B true CN113361388B (zh) 2023-11-24

Family

ID=77531786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110620422.9A Active CN113361388B (zh) 2021-06-03 2021-06-03 图像数据修正方法、装置、电子设备及自动驾驶车辆

Country Status (5)

Country Link
US (1) US20220219724A1 (zh)
EP (1) EP4040403A3 (zh)
JP (1) JP7346638B2 (zh)
KR (1) KR102579124B1 (zh)
CN (1) CN113361388B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927762A (zh) * 2013-01-11 2014-07-16 浙江大华技术股份有限公司 一种目标车辆自动跟踪方法及装置
CN105184258A (zh) * 2015-09-09 2015-12-23 苏州科达科技股份有限公司 目标跟踪方法及系统、人员行为分析方法及系统
WO2016034059A1 (zh) * 2014-09-04 2016-03-10 成都理想境界科技有限公司 基于颜色-结构特征的目标对象跟踪方法
CN106097391A (zh) * 2016-06-13 2016-11-09 浙江工商大学 一种基于深度神经网络的识别辅助的多目标跟踪方法
CN107992791A (zh) * 2017-10-13 2018-05-04 西安天和防务技术股份有限公司 目标跟踪失效重检方法及装置、存储介质、电子设备
CN111257864A (zh) * 2020-01-17 2020-06-09 河北德冠隆电子科技有限公司 一种主动式探测车辆持续跟踪断点补偿装置、系统及方法
CN111985388A (zh) * 2020-08-18 2020-11-24 深圳市自行科技有限公司 行人注意力检测驾驶辅助系统、装置和方法
CN112561963A (zh) * 2020-12-18 2021-03-26 北京百度网讯科技有限公司 目标跟踪的方法、装置、路侧设备以及存储介质

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6895104B2 (en) * 2001-02-16 2005-05-17 Sac Technologies, Inc. Image identification system
US8130225B2 (en) * 2007-01-16 2012-03-06 Lucasfilm Entertainment Company Ltd. Using animation libraries for object identification
EP2263190A2 (en) * 2008-02-13 2010-12-22 Ubisoft Entertainment S.A. Live-action image capture
JP2012253645A (ja) * 2011-06-06 2012-12-20 Sony Corp 画像処理装置および画像処理方法
JP5724859B2 (ja) 2011-12-06 2015-05-27 株式会社デンソー 画像処理装置
JP6368651B2 (ja) 2015-01-06 2018-08-01 株式会社日立製作所 走行環境認識システム
JP2016173795A (ja) * 2015-03-18 2016-09-29 株式会社リコー 画像処理装置、画像処理方法およびプログラム
KR101681104B1 (ko) * 2015-07-09 2016-11-30 한국외국어대학교 연구산학협력단 부분적 가림을 갖는 영상 객체 내의 주요 특징점 기반 다중 객체 추적 방법
JP2017034422A (ja) 2015-07-31 2017-02-09 パナソニックＩｐマネジメント株式会社 画像処理装置、画像表示システム、車両、画像処理方法およびプログラム
KR102662029B1 (ko) * 2016-08-01 2024-05-03 삼성전자주식회사 이벤트 신호 처리 방법 및 그 방법을 수행하는 이벤트 기반 센서
KR102359391B1 (ko) * 2016-11-08 2022-02-04 삼성전자주식회사 디바이스가 이미지를 보정하는 방법 및 그 디바이스
CN109558832B (zh) * 2018-11-27 2021-03-26 广州市百果园信息技术有限公司 一种人体姿态检测方法、装置、设备及存储介质
US11055013B2 (en) * 2019-01-25 2021-07-06 International Business Machines Corporation Recovering from data loss using copy services relationships between volumes
CN110110604A (zh) * 2019-04-10 2019-08-09 东软集团股份有限公司 目标对象检测方法、装置、可读存储介质及电子设备
US11586852B2 (en) * 2019-09-04 2023-02-21 Rockwell Automation Technologies, Inc. System and method to modify training content presented by a training system based on feedback data
GB2588431B (en) * 2019-10-23 2023-02-15 Advanced Risc Mach Ltd Image signal processing
TWI741429B (zh) * 2019-12-04 2021-10-01 晶睿通訊股份有限公司 用於提高精準度的影像分析方法及其相關影像監控設備
WO2021213519A1 (zh) * 2020-04-23 2021-10-28 上海联影医疗科技股份有限公司 图像获取、判断图像质量、医学图像采集的方法和系统
CN111782835B (zh) * 2020-06-30 2024-02-27 公安部第三研究所 一种面向人脸识别设备检测的人脸测试数据库管理系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927762A (zh) * 2013-01-11 2014-07-16 浙江大华技术股份有限公司 一种目标车辆自动跟踪方法及装置
WO2016034059A1 (zh) * 2014-09-04 2016-03-10 成都理想境界科技有限公司 基于颜色-结构特征的目标对象跟踪方法
CN105184258A (zh) * 2015-09-09 2015-12-23 苏州科达科技股份有限公司 目标跟踪方法及系统、人员行为分析方法及系统
CN106097391A (zh) * 2016-06-13 2016-11-09 浙江工商大学 一种基于深度神经网络的识别辅助的多目标跟踪方法
CN107992791A (zh) * 2017-10-13 2018-05-04 西安天和防务技术股份有限公司 目标跟踪失效重检方法及装置、存储介质、电子设备
CN111257864A (zh) * 2020-01-17 2020-06-09 河北德冠隆电子科技有限公司 一种主动式探测车辆持续跟踪断点补偿装置、系统及方法
CN111985388A (zh) * 2020-08-18 2020-11-24 深圳市自行科技有限公司 行人注意力检测驾驶辅助系统、装置和方法
CN112561963A (zh) * 2020-12-18 2021-03-26 北京百度网讯科技有限公司 目标跟踪的方法、装置、路侧设备以及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Kichun Jo,et al..GPS-bias correction for precise localization of autonomous vehicles.《2013 IEEE Intelligent Vehicles Symposium》.2013,全文. *
一种多运动目标检测、跟踪方法研究与实现;万琴;王耀南;;《计算机应用研究》(第1期);全文 *
基于深度学习的智能车辆辅助驾驶系统设计;邹鹏;谌雨章;蔡必汉;;《信息与电脑(理论版)》(第11期);全文 *

Also Published As

Publication number Publication date
CN113361388A (zh) 2021-09-07
EP4040403A3 (en) 2022-10-12
JP7346638B2 (ja) 2023-09-19
EP4040403A2 (en) 2022-08-10
KR102579124B1 (ko) 2023-09-14
KR20220046524A (ko) 2022-04-14
JP2022079529A (ja) 2022-05-26
US20220219724A1 (en) 2022-07-14

Similar Documents

Publication Publication Date Title
WO2021143739A1 (zh) 图像处理方法及装置、电子设备、计算机可读存储介质
CN113011323B (zh) 通行状态的获取方法、相关装置、路侧设备及云控平台
CN112702660B (zh) 多媒体数据的传输方法、装置、自动驾驶车辆及云服务器
CN114120253A (zh) 图像处理方法、装置、电子设备和存储介质
CN113361458A (zh) 基于视频的目标对象识别方法、装置、车辆及路侧设备
CN113783651B (zh) 平行驾驶的远程控制方法、装置、云端、车端及平行驾驶系统
CN118038229A (zh) 一种目标检测方法、装置、设备及存储介质
CN113361388B (zh) 图像数据修正方法、装置、电子设备及自动驾驶车辆
CN112688991A (zh) 用于执行点云扫描操作的方法、相关装置及计算机程序产品
CN112585944A (zh) 跟随方法、可移动平台、装置和存储介质
CN112560726B (zh) 目标检测置信度确定方法、路侧设备及云控平台
CN114489996A (zh) 一种任务调度方法、装置、电子设备及自动驾驶车辆
CN114445802A (zh) 点云处理方法、装置及车辆
CN112700657B (zh) 用于生成检测信息的方法、装置、路侧设备和云控平台
US20220126860A1 (en) Method and apparatus for processing autonomous driving simulation data, and electronic device
CN112683216B (zh) 用于生成车辆长度信息的方法、装置、路侧设备和云控平台
CN115220939A (zh) 车载显示设备的故障恢复方法、装置、终端设备及介质
CN116597213A (zh) 目标检测方法、训练方法、装置、电子设备以及存储介质
CN115049895A (zh) 一种图像属性识别方法、属性识别模型训练方法及装置
CN115640477A (zh) 应用程序首页的内容推荐方法、装置、设备、介质及产品
CN114445683A (zh) 属性识别模型训练、属性识别方法、装置及设备
CN114550146A (zh) 图像处理方法、装置、设备及计算机存储介质
CN117556438A (zh) 图像脱敏方法和装置
CN118430094A (zh) 一种车辆运行状态的展示方法、装置、设备及存储介质
CN113378858A (zh) 图像检测方法、装置、设备、车辆和介质

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
GR01 Patent grant
GR01 Patent grant