CN115240157A - 道路场景数据持久化方法、装置、设备和计算机可读介质 - Google Patents
道路场景数据持久化方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115240157A CN115240157A CN202210938751.2A CN202210938751A CN115240157A CN 115240157 A CN115240157 A CN 115240157A CN 202210938751 A CN202210938751 A CN 202210938751A CN 115240157 A CN115240157 A CN 115240157A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- tag
- sequence
- road
- information
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了道路场景数据持久化方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括:获取当前车辆信息序列、障碍物信息序列集和道路信息序列;生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与道路信息序列中的各个道路信息包括道路图像对应的场景实例标签;对障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列;生成当前车辆行为标签;生成当前道路场景语义标签;生成道路场景数据;对道路场景数据进行存储以完成道路场景数据持久化。该实施方式可以提高调用自动驾驶数据的效率。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及道路场景数据持久化方法、装置、设备和计算机可读介质。
背景技术
道路数据持久化方法,是用于存储自动驾驶数据的一项技术。目前,在进行道路数据持久化时,通常采用的方式为:将自动驾驶数据分为场景数据和其它数据(例如,车速、车辆坐标、车道信息等)两大类,以此分开进行存储。
然而,发明人发现,当采用上述方式进行道路数据持久化时,经常会存在如下技术问题:
第一,自动驾驶数据缺乏统一性,导致降低调用自动驾驶数据的效率。
第二,场景数据和其它数据存在重复存储的情况,导致数据冗余。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了道路场景数据持久化方法、装置、设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种道路场景数据持久化方法,该方法包括:获取当前车辆信息序列、障碍物信息序列集和道路信息序列,其中,上述道路信息序列中的每个道路信息包括道路图像;基于上述当前车辆信息序列、上述障碍物信息序列集和上述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签;对上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列;对上述当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签;对上述当前车辆行为标签和上述障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签;基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据;对上述道路场景数据进行存储以完成道路场景数据持久化。
第二方面,本公开的一些实施例提供了一种道路场景数据持久化装置,该装置包括:获取单元,被配置成获取当前车辆信息序列、障碍物信息序列集和道路信息序列,其中,上述道路信息序列中的每个道路信息包括道路图像;第一生成单元,被配置成基于上述当前车辆信息序列、上述障碍物信息序列集和上述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签;第一分析处理单元,被配置成对上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列;第二分析处理单元,被配置成对上述当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签;融合处理单元,被配置成对上述当前车辆行为标签和上述障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签;第二生成单元,被配置成基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据;存储单元,被配置成对上述道路场景数据进行存储以完成道路场景数据持久化。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
第五方面,本公开的一些实施例提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的道路场景数据持久化方法,可以提高调用自动驾驶数据的效率。具体来说,造成降低调用自动驾驶数据的效率的原因在于:自动驾驶数据缺乏统一性。基于此,本公开的一些实施例的道路场景数据持久化方法,首先,获取当前车辆信息序列、障碍物信息序列集和道路信息序列,其中,上述道路信息序列中的每个道路信息包括道路图像。然后,基于上述当前车辆信息序列、上述障碍物信息序列集和上述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签。通过生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签,可以用于从标签角度关联自动驾驶数据。而后,对上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列。通过生成障碍物行为标签,作为障碍物在某一时刻的行为标签,以此可以关联对应的场景数据和障碍物数据。之后,对上述当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签。通过生成当前车辆行为标签,可以作为当前车辆在某一时刻的行为标签,以此关联当前车辆的场景数据和当前和当前车辆数据。再然后,对上述当前车辆行为标签和上述障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签。通过生成当前道路场景语义标签,可以在障碍物行为标签和当前车辆行为标签的基础上,进一步关联某一场景中当前车辆和障碍物的各项数据及场景数据。接着,基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据。通过生成道路场景数据,可以将标签和数据同时进行存储,以此提高了自动驾驶数据的统一性。最后,通过对上述道路场景数据进行存储以完成道路场景数据持久化。从而,可以通过存储的标签以供后续对自动驾驶数据的调用。进而,提高了调用自动驾驶数据的效率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的道路场景数据持久化方法的一些实施例的流程图;
图2是根据本公开的道路场景数据持久化装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。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。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的道路场景数据持久化方法的一些实施例的流程100。该道路场景数据持久化方法,包括以下步骤:
步骤101,获取当前车辆信息序列、障碍物信息序列集和道路信息序列。
在一些实施例中,道路场景数据持久化方法的执行主体可以通过有线的方式或者无线的方式获取当前车辆信息序列、障碍物信息序列集和道路信息序列。其中,上述道路信息序列中的每个道路信息可以包括道路图像。当前车辆信息序列中的每个当前车辆信息可以是某一时刻当前车辆的数据。例如,当前车辆的数据可以包括但不限于以下至少一项:当前车辆车速、当前车辆位置、当前车辆方向盘转角、当前车辆加速度等。当前车辆信息序列中的各个当前车辆信息对应连续帧的时间点。障碍物信息序列中的每个障碍物信息可以是某一时刻障碍物的数据。例如,障碍物的数据可以包括但不限于以下至少一项:障碍物车速、障碍物车辆位置、障碍物方向盘转角、障碍物车辆加速度等。障碍物信息序列集中的每个障碍物信息序列可以表征一个障碍物在上述连续帧的时间点的障碍物信息。道路信息可以是当前车辆所在位置周围的道路信息。例如,道路信息还可以包括但不限于以下至少一项:当前车辆所在车道的车道标识(用于唯一标识车道)、红绿灯信息、与正前方车辆的距离值等。道路图像可以是当前车辆的车载相机拍摄的图像。道路信息序列中的各个道路信息可以对应上述连续帧的时间点。
步骤102,基于当前车辆信息序列、障碍物信息序列集和道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签。
在一些实施例中,上述执行主体可以基于上述当前车辆信息序列、上述障碍物信息序列集和上述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签。
在一些实施例的一些可选的实现方式中,上述当前车辆信息序列中的每个当前车辆信息包括但不限于以下至少一项:当前车辆车速值、当前车辆定位坐标和当前车辆方向盘转角值,障碍物信息序列集中每个障碍物信息序列中的每个障碍物信息包括但不限于以下至少一项:障碍物速度值、障碍物定位坐标和障碍物航向角,上述道路信息序列中的每个道路信息还可以包括道路结构信息和天气信息。以及上述执行主体基于上述当前车辆信息序列、上述障碍物信息序列集和上述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签,可以包括以下步骤:
第一步,对上述当前车辆信息序列中每个当前车辆坐标信息包括的当前车辆车速值、当前车辆定位坐标和当前车辆方向盘转角值进行标签化以生成当前车辆信息帧级标签,得到当前车辆信息帧级标签序列。其中,道路结构信息可以是当前车辆所在道路的结构信息。例如,道路结构信息可以是“弯道”或“直道”等。天气信息可以是当前车辆所在的地区的天气信息。例如,晴20度、大雨10度、小雪-3度等。这里,标签化可以是将表征当前车辆车速值、当前车辆定位坐标和当前车辆方向盘转角值的标识,以及时间戳作为当前车辆信息帧级标签。当前车辆信息帧级标签可以用于标识以及关联当前车辆在某一帧的时刻、当前车辆的车辆信息。
第二步,对上述障碍物信息序列集中每个障碍物信息序列中的各个障碍物信息包括的障碍物速度值、障碍物定位坐标和障碍物航向角进行标签化以生成障碍物信息帧级标签序列,得到障碍物信息帧级标签序列集。其中,可以将每个障碍物信息包括的表征障碍物速度值、障碍物定位坐标和障碍物航向角的标识以及时间戳作为障碍物信息帧级标签序列。障碍物信息帧级标签可以用于标识以及关联障碍物在某一帧的时刻的障碍物信息。
第三步,对上述道路信息序列中的每个道路信息包括的道路结构信息和天气信息进行标签化以生成道路信息帧级标签,得到道路信息帧级标签序列。其中,可以将表征每个道路信息包括的道路结构信息和天气信息的标识作为道路信息帧级标签。
第四步,对上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集和上述道路信息帧级标签序列中与上述道路信息序列中的每个道路信息包括道路图像对应的当前车辆信息帧级标签、障碍物信息帧级标签组和道路信息帧级标签进行标签融合以生成场景实例标签。其中,可以将对应同一时间戳的当前车辆信息帧级标签、障碍物信息帧级标签、当前车辆信息帧级标签、障碍物信息帧级标签组和道路信息帧级标签作为场景实例标签。
步骤103,对障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列。
在一些实施例中,上述执行主体可以对上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列。
在一些实施例的一些可选的实现方式中,上述执行主体对上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列,可以包括以下步骤:
第一步,响应于确定预设的标签模板集中存在与上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签相匹配的标签模板,将所匹配的标签模板对应的模板标签行为确定为第一障碍物标签,得到第一障碍物标签序列。其中,标签模板可以是由至少一个范围标签组成的范围标签序列,用于表征一种障碍物行为。例如,障碍物加速行为、障碍物减速行为、障碍物转向行为等。另外,标签模板还包括范围标签序列中各个范围标签对应的数据的梯度。例如,范围标签对应的数据为障碍物速度数据。那么各个范围标签对应的数据的梯度可以是加速或减速。因此,标签模板可以用于表征障碍物加速行为或者障碍物减速行为。从而,每个标签模板还可以对应一种模板标签。其次,上述相匹配可以是各个障碍物信息帧级标签对应的障碍物信息(例如,障碍物速度值、障碍物定位坐标或障碍物航向角等)的梯度与标签模板相同。例如,各个障碍物信息帧级标签对应的障碍物信息包括的障碍物速度值的梯度为加速。将所匹配的标签模板对应的模板标签行为确定为第一障碍物标签可以是:将所匹配的标签模板对应的模板标签和表征该障碍物信息帧级标签序列的标识作为障碍物行为标签。由此,障碍物行为标签不仅可以用于表征障碍物在某一时刻的障碍物行为,还可以用于关联一段时间内的障碍物数据。
具体的,若一个障碍物信息帧级标签序列对应多个标签模板,则可以将多个标签模板对应的模板标签确定为第一障碍物标签。
第二步,基于预设的行为识别模型,对上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为识别以生成第二障碍物标签,得到第二障碍物标签序列。其中,可以将每个障碍物信息帧级标签序列中各个障碍物信息帧级标签对应的障碍物信息输入至上述行为识别模型以生成第一障碍物标签。
作为示例,上述行为识别模型可以包括但不限于以下至少一项:随机森林模型、线性回归模型、逻辑回归模型、聚类模型等。
第三步,将上述第一障碍物标签序列中每个第一障碍物标签和上述第二障碍物标签序列中对应的第二障碍物标签进行标签融合以生成障碍物行为标签,得到障碍物行为标签序列。其中,融合可以是将每个第一障碍物标签和对应的第二障碍物标签作为障碍物行为标签。上述对应的可以是第一障碍物标签与第二障碍物标签对应同一障碍物。
在一些实施例的一些可选的实现方式中,上述执行主体将上述第一障碍物标签序列中每个第一障碍物标签和上述第二障碍物标签序列中对应的第二障碍物标签进行标签融合以生成障碍物行为标签,可以包括以下步骤:
响应于确定上述第一障碍物标签与上述第二障碍物标签相同,将上述第一障碍物标签或上述第二障碍物标签确定为障碍物行为标签。其中,确定上述第一障碍物标签与上述第二障碍物标签相同可以表示通过不同方式检测到的障碍物行为一致。因此可以将上述第一障碍物标签或上述第二障碍物标签确定为障碍物行为标签。
可选的,响应于确定上述第一障碍物标签与上述第二障碍物标签不相同,对上述第一障碍物标签和上述第二障碍物标签进行融合处理,得到障碍物行为标签。其中,确定上述第一障碍物标签与上述第二障碍物标签不相同可以表示通过不同方式检测到的障碍物行为不同。因此,可以将表征不同障碍物行为的第一障碍物标签和第二障碍物标签同时作为障碍物行为标签。以此,避免误删正确的标签造成驾驶风险。
步骤104,对当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签。
在一些实施例中,上述执行主体可以对上述当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签。其中,可以通过上述识别模型或者标签模板匹配的方式,对当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签。
步骤105,对当前车辆行为标签和障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签。
在一些实施例中,上述执行主体可以对上述当前车辆行为标签和上述障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签。其中,融合处理可以是从障碍物行为标签序列中的各个障碍物行为标签中选出与当前车辆存在交互的障碍物的障碍物行为标签,作为待融合障碍物行为标签。这里,与当前车辆存在交互的障碍物可以是障碍物处于当前车辆所在车道、或者障碍物的路线在一段时间(例如,5秒)内与当前车辆所在道路重合等。其次,可以将上述当前车辆行为标签和各个待融合障碍物行为标签进行融合处理以生成当前道路场景语义标签。这里,当前道路场景语义标签可以用于表征当前时刻、当前车辆所在场景的语义标签。
步骤106,基于当前道路场景语义标签、当前车辆行为标签、障碍物行为标签序列、当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列、道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据。
在一些实施例中,上述执行主体可以基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据,可以包括以下步骤:
第一步,从上述障碍物行为标签序列中选出满足预设行为条件的障碍物行为标签,得到目标障碍物行为标签。其中,上述预设行为条件可以是障碍物行为标签表征的障碍物行为存在预设的障碍物行为列表中。障碍物行为列表中的障碍物行为可以是与当前车辆处于同一车道的障碍物的障碍物行为、或处于当前车辆所在车道一定范围(例如,10米)的障碍物的行为等。
实践中,通过预设行为条件可以从障碍物行为标签序列中选出对当前车辆的正常行驶存在影响的障碍物行为标签。以此,可以供当前车辆控制终端利用目标障碍物行为标签进行车辆控制。
第二步,从上述当前车辆信息序列、障碍物信息序列集和道路信息序列中与选出与上述目标障碍物行为标签对应的当前车辆信息子序列、障碍物信息序列组和道路信息子序列。其中,上述对应可以是与目标障碍物行为标签的时间戳为基准,选出在此基准之前和/或之后目标时间段(例如,2秒)内的当前车辆信息、障碍物信息序列和道路信息。
实践中,通过筛选,可以确定对应每个目标障碍物行为标签的连续数据,即对应的当前车辆信息子序列、障碍物信息序列组和道路信息子序列。以此,作为与目标障碍物行为标签关联的场景数据动态描述。达到目标障碍物行为标签与此连续数据关联的目的。从而,可以便于后续自动驾驶数据的调用。进而,可以进一步提高调用自动驾驶数据的效率。
第三步,基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述当前车辆信息子序列、上述障碍物信息序列组、上述道路信息子序列和与上述道路信息子序列中的每个道路信息包括道路图像对应的场景实例标签,生成为道路场景数据。
在一些实施例的一些可选的实现方式中,上述当前车辆信息序列中的各个当前车辆信息还可以包括连续帧的时间戳。以及上述执行主体基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述当前车辆信息子序列、上述障碍物信息序列组、上述道路信息子序列和与上述道路信息子序列中的每个道路信息包括道路图像对应的场景实例标签,生成为道路场景数据,可以包括以下步骤:
第一步,构建道路场景数据标签树。其中,上述道路场景数据标签树可以包括第一主节点、第二主节点、子节点序列和叶子节点序列,上述第一主节点可以包括上述当前道路场景语义标签,上述第二主节点可以包括上述当前车辆行为标签和上述上述障碍物行为标签序列,上述子节点序列中的每个子节点可以包括相对应的当前车辆信息帧级标签、障碍物信息帧级标签序列和道路信息帧级标签,上述叶子节点序列中的每个叶子节点可以包括相对应的当前车辆信息、障碍物信息序列和道路信息。道路场景数据标签树可以用于关联当前车辆的各项标签与所在场景中障碍物的各项标签,进而可以用于关联当前车辆的各项信息与所在场景中障碍物的各项信息。另外,上述道路场景数据标签树中各个叶子节点包括的当前车辆信息、障碍物信息序列和道路信息可以与其它时刻构建的道路场景数据标签树共享。以此避免数据重复的情况。
第二步,将上述道路场景数据标签树确定为道路场景数据。
上述步骤及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“场景数据和其它数据存在重复存储的情况,导致数据冗余”。导致数据冗余的因素往往如下:场景数据和其它数据存在重复存储的情况。如果解决了上述因素,就能极大的降低数据冗余。为了达到这一效果,构建了道路场景数据标签树。由此,可以更加直接的关联各个标签。进而,可以关联各个标签对应的当前车辆信息、障碍物信息序列和道路信息等数据。也因为可以构建道路场景数据标签树,以及不同时刻构建的道路场景数据标签树中各个叶子节点包括的当前车辆信息、障碍物信息序列和道路信息可以共享。由此,可以仅需要存储一份场景数据和其它数据,即可确保自动驾驶数据的完整性。因此,避免了数据持久化过程中出现的重复存储的情况。从而,极大的避免了数据冗余的情况。进而,还可以为后续数据的调用提供便利。
步骤107,对道路场景数据进行存储以完成道路场景数据持久化。
在一些实施例中,上述执行主体可以对上述道路场景数据进行存储以完成道路场景数据持久化。
可选的,上述执行主体还可以将上述当前车辆信息序列、上述障碍物信息序列集和上述障碍物行为标签序列发送至车辆控制终端,以供车辆避障。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的道路场景数据持久化方法,可以提高调用自动驾驶数据的效率。具体来说,造成降低调用自动驾驶数据的效率的原因在于:自动驾驶数据缺乏统一性。基于此,本公开的一些实施例的道路场景数据持久化方法,首先,获取当前车辆信息序列、障碍物信息序列集和道路信息序列,其中,上述道路信息序列中的每个道路信息包括道路图像。然后,基于上述当前车辆信息序列、上述障碍物信息序列集和上述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签。通过生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签,可以用于从标签角度关联自动驾驶数据。而后,对上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列。通过生成障碍物行为标签,作为障碍物在某一时刻的行为标签,以此可以关联对应的场景数据和障碍物数据。之后,对上述当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签。通过生成当前车辆行为标签,可以作为当前车辆在某一时刻的行为标签,以此关联当前车辆的场景数据和当前和当前车辆数据。再然后,对上述当前车辆行为标签和上述障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签。通过生成当前道路场景语义标签,可以在障碍物行为标签和当前车辆行为标签的基础上,进一步关联某一场景中当前车辆和障碍物的各项数据及场景数据。接着,基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据。通过生成道路场景数据,可以将标签和数据同时进行存储,以此提高了自动驾驶数据的统一性。最后,通过对上述道路场景数据进行存储以完成道路场景数据持久化。从而,可以通过存储的标签以供后续对自动驾驶数据的调用。进而,提高了调用自动驾驶数据的效率。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种道路场景数据持久化装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的道路场景数据持久化装置200包括:获取单元201、第一生成单元202、第一分析处理单元203、第二分析处理单元204、融合处理单元205、第二生成单元206和存储单元207。其中,获取单元201,被配置成获取当前车辆信息序列、障碍物信息序列集和道路信息序列,其中,上述道路信息序列中的每个道路信息包括道路图像;第一生成单元202,被配置成基于上述当前车辆信息序列、上述障碍物信息序列集和上述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签;第一分析处理单元203,被配置成对上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列;第二分析处理单元204,被配置成对上述当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签;融合处理单元205,被配置成对上述当前车辆行为标签和上述障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签;第二生成单元206,被配置成基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据;存储单元207,被配置成对上述道路场景数据进行存储以完成道路场景数据持久化。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取当前车辆信息序列、障碍物信息序列集和道路信息序列,其中,上述道路信息序列中的每个道路信息包括道路图像;基于上述当前车辆信息序列、上述障碍物信息序列集和上述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与上述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签;对上述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列;对上述当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签;对上述当前车辆行为标签和上述障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签;基于上述当前道路场景语义标签、上述当前车辆行为标签、上述障碍物行为标签序列、上述当前车辆信息帧级标签序列、上述障碍物信息帧级标签序列集、上述道路信息帧级标签序列、上述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据;对上述道路场景数据进行存储以完成道路场景数据持久化。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、第一生成单元、第一分析处理单元、第二分析处理单元、融合处理单元、第二生成单元和存储单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取当前车辆信息序列、障碍物信息序列集和道路信息序列的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种道路场景数据持久化方法,包括:
获取当前车辆信息序列、障碍物信息序列集和道路信息序列,其中,所述道路信息序列中的每个道路信息包括道路图像;
基于所述当前车辆信息序列、所述障碍物信息序列集和所述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与所述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签;
对所述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列;
对所述当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签;
对所述当前车辆行为标签和所述障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签;
基于所述当前道路场景语义标签、所述当前车辆行为标签、所述障碍物行为标签序列、所述当前车辆信息帧级标签序列、所述障碍物信息帧级标签序列集、所述道路信息帧级标签序列、所述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据;
对所述道路场景数据进行存储以完成道路场景数据持久化。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述当前车辆信息序列、所述障碍物信息序列集和所述障碍物行为标签序列发送至车辆控制终端,以供车辆避障。
3.根据权利要求1所述的方法,其中,所述基于所述当前道路场景语义标签、所述当前车辆行为标签、所述障碍物行为标签序列、所述当前车辆信息帧级标签序列、所述障碍物信息帧级标签序列集、所述道路信息帧级标签序列、所述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据,包括:
从所述障碍物行为标签序列中选出满足预设行为条件的障碍物行为标签,得到目标障碍物行为标签;
从所述当前车辆信息序列、所述障碍物信息序列集和所述道路信息序列中与选出与所述目标障碍物行为标签对应的当前车辆信息子序列、障碍物信息序列组和道路信息子序列;
基于所述当前道路场景语义标签、所述当前车辆行为标签、所述障碍物行为标签序列、所述当前车辆信息帧级标签序列、所述障碍物信息帧级标签序列集、所述道路信息帧级标签序列、所述当前车辆信息子序列、所述障碍物信息序列组、所述道路信息子序列和与所述道路信息子序列中的每个道路信息包括道路图像对应的场景实例标签,生成为道路场景数据。
4.根据权利要求1所述的方法,其中,所述当前车辆信息序列中的每个当前车辆信息包括以下至少一项:当前车辆车速值、当前车辆定位坐标和当前车辆方向盘转角值,障碍物信息序列集中每个障碍物信息序列中的每个障碍物信息包括以下至少一项:障碍物速度值、障碍物定位坐标和障碍物航向角,所述道路信息序列中的每个道路信息还包括道路结构信息和天气信息;以及
所述基于所述当前车辆信息序列、所述障碍物信息序列集和所述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与所述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签,包括:
对所述当前车辆信息序列中每个当前车辆坐标信息包括的当前车辆车速值、当前车辆定位坐标和当前车辆方向盘转角值进行标签化以生成当前车辆信息帧级标签,得到当前车辆信息帧级标签序列;
对所述障碍物信息序列集中每个障碍物信息序列中的各个障碍物信息包括的障碍物速度值、障碍物定位坐标和障碍物航向角进行标签化以生成障碍物信息帧级标签序列,得到障碍物信息帧级标签序列集;
对所述道路信息序列中的每个道路信息包括的道路结构信息和天气信息进行标签化以生成道路信息帧级标签,得到道路信息帧级标签序列;
对所述当前车辆信息帧级标签序列、所述障碍物信息帧级标签序列集和所述道路信息帧级标签序列中与所述道路信息序列中的每个道路信息包括道路图像对应的当前车辆信息帧级标签、障碍物信息帧级标签组和道路信息帧级标签进行标签融合以生成场景实例标签。
5.根据权利要求1所述的方法,其中,所述对所述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列,包括:
响应于确定预设的标签模板集中存在与所述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签相匹配的标签模板,将所匹配的标签模板对应的模板标签行为确定为第一障碍物标签,得到第一障碍物标签序列;
基于预设的行为识别模型,对所述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为识别以生成第二障碍物标签,得到第二障碍物标签序列;
将所述第一障碍物标签序列中每个第一障碍物标签和所述第二障碍物标签序列中对应的第二障碍物标签进行标签融合以生成障碍物行为标签,得到障碍物行为标签序列。
6.根据权利要求5所述的方法,其中,所述将所述第一障碍物标签序列中每个第一障碍物标签和所述第二障碍物标签序列中对应的第二障碍物标签进行标签融合以生成障碍物行为标签,包括:
响应于确定所述第一障碍物标签与所述第二障碍物标签相同,将所述第一障碍物标签或所述第二障碍物标签确定为障碍物行为标签。
7.一种道路场景数据持久化装置,包括:
获取单元,被配置成获取当前车辆信息序列、障碍物信息序列集和道路信息序列,其中,所述道路信息序列中的每个道路信息包括道路图像;
第一生成单元,被配置成基于所述当前车辆信息序列、所述障碍物信息序列集和所述道路信息序列,生成当前车辆信息帧级标签序列、障碍物信息帧级标签序列集、道路信息帧级标签序列和与所述道路信息序列中的各个道路信息包括道路图像对应的场景实例标签;
第一分析处理单元,被配置成对所述障碍物信息帧级标签序列集中每个障碍物信息帧级标签序列中的各个障碍物信息帧级标签进行障碍物行为分析处理以生成障碍物行为标签,得到障碍物行为标签序列;
第二分析处理单元,被配置成对所述当前车辆信息帧级标签序列中的各个当前车辆信息帧级标签进行当期车辆行为分析处理,以生成当前车辆行为标签;
融合处理单元,被配置成对所述当前车辆行为标签和所述障碍物行为标签序列中的各个障碍物行为标签进行融合处理,以生成当前道路场景语义标签;
第二生成单元,被配置成基于所述当前道路场景语义标签、所述当前车辆行为标签、所述障碍物行为标签序列、所述当前车辆信息帧级标签序列、所述障碍物信息帧级标签序列集、所述道路信息帧级标签序列、所述道路信息序列中的每个道路信息包括道路图像和与各个道路图像对应的场景实例标签,生成道路场景数据;
存储单元,被配置成对所述道路场景数据进行存储以完成道路场景数据持久化。
8.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
10.一种计算机程序产品,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中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210938751.2A CN115240157B (zh) | 2022-08-05 | 2022-08-05 | 道路场景数据持久化方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210938751.2A CN115240157B (zh) | 2022-08-05 | 2022-08-05 | 道路场景数据持久化方法、装置、设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115240157A true CN115240157A (zh) | 2022-10-25 |
CN115240157B CN115240157B (zh) | 2023-07-18 |
Family
ID=83679020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210938751.2A Active CN115240157B (zh) | 2022-08-05 | 2022-08-05 | 道路场景数据持久化方法、装置、设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115240157B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115544817A (zh) * | 2022-12-02 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 驾驶场景生成方法、装置、电子设备和计算机可读介质 |
CN115876493A (zh) * | 2023-01-18 | 2023-03-31 | 禾多科技(北京)有限公司 | 用于自动驾驶的测试场景生成方法、装置、设备和介质 |
CN116129647A (zh) * | 2023-02-28 | 2023-05-16 | 禾多科技(北京)有限公司 | 一种基于危险点的全闭环场景重构方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012203649A1 (de) * | 2012-03-08 | 2013-09-12 | Wirtgen Gmbh | Selbstfahrende Straßenfräsmaschine zum Bearbeiten von Straßenoberflächen, insbesondere Großfräse |
CN111982143A (zh) * | 2020-08-11 | 2020-11-24 | 北京汽车研究总院有限公司 | 车辆及车辆路径规划方法、装置 |
CN112052776A (zh) * | 2020-09-01 | 2020-12-08 | 中国人民解放军国防科技大学 | 无人车自主驾驶行为优化方法、装置和计算机设备 |
CN112598897A (zh) * | 2020-09-21 | 2021-04-02 | 禾多科技(北京)有限公司 | 交通参与者行为检测方法、装置、电子设备和介质 |
CN113848855A (zh) * | 2021-09-27 | 2021-12-28 | 襄阳达安汽车检测中心有限公司 | 车辆控制系统测试方法、装置、设备、介质及程序产品 |
CN114140903A (zh) * | 2021-08-02 | 2022-03-04 | 南斗六星系统集成有限公司 | 一种基于决策树生成规则的道路类型识别车载装置 |
CN114399659A (zh) * | 2021-12-28 | 2022-04-26 | 禾多科技(北京)有限公司 | 车辆控制信息生成方法、装置、设备和计算机可读介质 |
CN114724116A (zh) * | 2022-05-23 | 2022-07-08 | 禾多科技(北京)有限公司 | 车辆通行信息生成方法、装置、设备和计算机可读介质 |
-
2022
- 2022-08-05 CN CN202210938751.2A patent/CN115240157B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012203649A1 (de) * | 2012-03-08 | 2013-09-12 | Wirtgen Gmbh | Selbstfahrende Straßenfräsmaschine zum Bearbeiten von Straßenoberflächen, insbesondere Großfräse |
CN111982143A (zh) * | 2020-08-11 | 2020-11-24 | 北京汽车研究总院有限公司 | 车辆及车辆路径规划方法、装置 |
CN112052776A (zh) * | 2020-09-01 | 2020-12-08 | 中国人民解放军国防科技大学 | 无人车自主驾驶行为优化方法、装置和计算机设备 |
CN112598897A (zh) * | 2020-09-21 | 2021-04-02 | 禾多科技(北京)有限公司 | 交通参与者行为检测方法、装置、电子设备和介质 |
CN114140903A (zh) * | 2021-08-02 | 2022-03-04 | 南斗六星系统集成有限公司 | 一种基于决策树生成规则的道路类型识别车载装置 |
CN113848855A (zh) * | 2021-09-27 | 2021-12-28 | 襄阳达安汽车检测中心有限公司 | 车辆控制系统测试方法、装置、设备、介质及程序产品 |
CN114399659A (zh) * | 2021-12-28 | 2022-04-26 | 禾多科技(北京)有限公司 | 车辆控制信息生成方法、装置、设备和计算机可读介质 |
CN114724116A (zh) * | 2022-05-23 | 2022-07-08 | 禾多科技(北京)有限公司 | 车辆通行信息生成方法、装置、设备和计算机可读介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115544817A (zh) * | 2022-12-02 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 驾驶场景生成方法、装置、电子设备和计算机可读介质 |
CN115876493A (zh) * | 2023-01-18 | 2023-03-31 | 禾多科技(北京)有限公司 | 用于自动驾驶的测试场景生成方法、装置、设备和介质 |
CN116129647A (zh) * | 2023-02-28 | 2023-05-16 | 禾多科技(北京)有限公司 | 一种基于危险点的全闭环场景重构方法 |
CN116129647B (zh) * | 2023-02-28 | 2023-09-05 | 禾多科技(北京)有限公司 | 一种基于危险点的全闭环场景重构方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115240157B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115240157B (zh) | 道路场景数据持久化方法、装置、设备和计算机可读介质 | |
CN109872392B (zh) | 基于高精地图的人机交互方法和装置 | |
CN115616937B (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
CN115339453B (zh) | 车辆换道决策信息生成方法、装置、设备和计算机介质 | |
CN114550116A (zh) | 一种对象识别方法和装置 | |
CN115578570A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN110633716A (zh) | 一种目标对象的检测方法和装置 | |
CN115512336B (zh) | 基于路灯光源的车辆定位方法、装置和电子设备 | |
CN113761306A (zh) | 一种车端数据处理方法及装置 | |
CN115061386B (zh) | 智能驾驶的自动化仿真测试系统及相关设备 | |
CN115577145B (zh) | 运输信息存储方法、装置、电子设备、介质和程序产品 | |
CN115534935A (zh) | 车辆行驶控制方法、装置、电子设备和计算机可读介质 | |
CN113780247B (zh) | 红绿灯检测方法、装置、电子设备和计算机可读介质 | |
CN111488928B (zh) | 用于获取样本的方法及装置 | |
CN115587593A (zh) | 信息抽取方法、装置、电子设备和计算机可读介质 | |
CN114724116A (zh) | 车辆通行信息生成方法、装置、设备和计算机可读介质 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN111310858A (zh) | 用于生成信息的方法和装置 | |
CN112560324B (zh) | 用于输出信息的方法和装置 | |
CN115952315B (zh) | 校园监控视频存储方法、装置、设备、介质和程序产品 | |
CN113411368B (zh) | 数据同步方法、装置、存储介质及电子设备 | |
CN115983609B (zh) | 工单处理方法、装置、电子设备和计算机可读介质 | |
CN113469159B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN117746161A (zh) | 图像标注方法、电子设备及存储介质 | |
CN115100368A (zh) | 车道线转向信息的标注方法、装置、设备及介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |
|
CP03 | Change of name, title or address |