CN115577317A - 数据融合效果评估方法、系统、电子设备及储存介质 - Google Patents
数据融合效果评估方法、系统、电子设备及储存介质 Download PDFInfo
- Publication number
- CN115577317A CN115577317A CN202211211195.5A CN202211211195A CN115577317A CN 115577317 A CN115577317 A CN 115577317A CN 202211211195 A CN202211211195 A CN 202211211195A CN 115577317 A CN115577317 A CN 115577317A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- task
- evaluation
- target task
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 198
- 230000004927 fusion Effects 0.000 title claims abstract description 134
- 230000000694 effects Effects 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims description 23
- 238000004088 simulation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 16
- 238000007499 fusion processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000011056 performance test Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45562—Creating, deleting, cloning virtual machine instances
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种数据融合效果评估方法、系统、电子设备及储存介质,涉及计算机技术领域。根据目标任务场景,搭建虚拟任务环境和虚拟无人平台,并获取目标数据源的数据,然后,根据目标数据源的数据进行多源数据融合,并根据数据融合的结果确定无人平台的操作控制指令,根据操作控制指令控制虚拟无人平台,在虚拟任务环境中执行目标任务。最后,采集目标任务的任务评价参数,根据任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数,根据目标任务的完成度评价分数,对无人平台的模型参数进行调整。在本申请中,通过搭建完全虚拟的仿真环境,对数据融合效果进行高效的评估和调整,达到模拟真实运行的效果以及相应的指标要求。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种数据融合效果评估方法、系统、电子设备及储存介质。
背景技术
近年来,数据融合技术得到了快速的发展,数据融合技术可以有效利用不同模态的信息,联合学习各模态数据的潜在共享信息,提供对事物更加准确的描述和判断。数据融合结果的准确度越高,将其用于对无人平台的性能测试就越准确,因此,如何评价数据融合的效果是亟待解决的问题。
相关技术中,现有无人平台的基于应用场景问题进行调整,而缺乏对无人平台搭建虚拟环境,以实现对实际场景进行模拟的方案。
发明内容
本发明实施例提供一种数据融合效果评估方法、系统、电子设备及储存介质,旨在解决或者部分解决上述背景技术中存在的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供了一种数据融合效果评估方法,方法包括:
根据目标任务场景,搭建虚拟任务环境和虚拟无人平台;
获取目标数据源的数据,并根据目标数据源的数据进行多源数据融合;
根据多源数据融合的结果,确定无人平台的操作控制指令;
根据操作控制指令控制虚拟无人平台,在虚拟任务环境中执行目标任务;
采集目标任务的任务评价参数,并根据任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数;
根据目标任务的完成度评价分数,对无人平台的模型参数进行调整。
可选地,在根据目标任务场景,搭建虚拟任务环境和虚拟无人平台的步骤之前,方法还包括:
确定目标任务场景,并根据目标任务场景确定对应的目标任务评价标准和目标数据源。
可选地,根据目标数据源的数据进行多源数据融合的步骤包括:
对目标数据源的数据进行数据预处理,生成中间数据;
确定目标融合方式,并根据目标融合方式对中间数据进行多源数据融合,其中目标融合方式为早期融合、深度融合或后期融合中的一种或组合。
可选地,根据操作控制指令控制虚拟无人平台的步骤包括:
确定虚拟无人平台的初始坐标和初始运行参数;
将操作控制指令转换为虚拟无人平台的修正运行参数;
根据初始运行参数和修正运行参数,确定虚拟无人平台的最终运行参数;
根据初始坐标和最终运行参数,确定虚拟无人平台的最终坐标。
可选地,任务评价参数包括任务完成度评价参数和运行状态评价参数;根据任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数的步骤,包括:
根据任务完成度评价参数与目标任务评价标准的匹配度,计算第一评价分数;
根据运行状态评价参数与目标任务评价标准的匹配度,计算第二评价分数;
根据第一评价分数、第二评价分数、第一评价分数对应的权重系数以及第二评价分数对应的权重系数,计算目标任务的完成度评价分数。
可选地,根据目标任务的完成度评价分数,对数据无人平台的模型参数进行调整的步骤包括:
根据目标任务的完成度评价分数,确定目标任务的完成等级,其中目标任务的完成等级包括达标级和未达标级;
根据目标任务的完成等级,对数据无人平台执行不同的模型参数调整策略。
可选地,根据目标任务的完成等级,对数据无人平台执行不同的模型参数调整策略的步骤,包括:
在目标任务的完成等级为达标级情况下,将无人平台当前的模型参数,确定为目标模型参数;
本发明实施例第二方面提出一种数据融合效果评估系统,系统包括:
第一仿真模块,用于根据目标任务场景,搭建虚拟任务环境和虚拟无人平台;
数据融合模块,用于获取目标数据源的数据,并根据目标数据源的数据进行多源数据融合;
决策模块,用于根据多源数据融合的结果,确定无人平台的操作控制指令;
第二仿真模块,用于根据操作控制指令控制虚拟无人平台,在虚拟任务环境中执行目标任务;
评价模块,用于采集目标任务的任务评价参数,并根据任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数;
调整模块,用于根据目标任务的完成度评价分数,对数据无人平台的模型参数进行调整。
可选地,系统还包括:
确定模块,用于确定目标任务场景,并根据目标任务场景确定对应的目标任务评价标准和目标数据源。
可选地,数据融合模块包括:
预处理子模块,用于对目标数据源的数据进行数据预处理,生成中间数据;
融合子模块,用于确定目标融合方式,并根据目标融合方式对中间数据进行多源数据融合,其中目标融合方式为早期融合、深度融合或后期融合中的一种或组合。
可选地,第二仿真模块包括:
第一确定子模块,用于确定虚拟无人平台的初始坐标和初始运行参数;
转换子模块,用于将操作控制指令转换为虚拟无人平台的修正运行参数;
第二确定子模块,用于根据初始运行参数和修正运行参数,确定虚拟无人平台的最终运行参数;
调整子模块,用于根据初始坐标和最终运行参数,确定虚拟无人平台的最终坐标。
可选地,评价模块包括:
第一计算子模块,用于根据任务完成度评价参数与目标任务评价标准的匹配度,计算第一评价分数;
第二计算子模块,用于根据运行状态评价参数与目标任务评价标准的匹配度,计算第二评价分数;
第三计算子模块,用于根据第一评价分数、第二评价分数、第一评价分数对应的权重系数以及第二评价分数对应的权重系数,计算目标任务的完成度评价分数。
可选地,调整模块包括:
分级子模块,用于根据目标任务的完成度评价分数,确定目标任务的完成等级,其中目标任务的完成等级包括达标级和未达标级;
执行子模块,用于根据目标任务的完成等级,对数据无人平台执行不同的模型参数调整策略。
可选地,执行子模块,包括:
第一执行单元,用于在目标任务的完成等级为达标级情况下,将无人平台当前的模型参数,确定为目标模型参数;
第二执行单元,用于在目标任务的完成等级为未达标级情况下,根据目标任务评价标准与无人平台模型参数的映射关系,将无人平台当前的模型参数,调整为修正模型参数,并继续执行根据目标数据源的数据进行多源数据融合的步骤。
本发明实施例第三方面提出一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现本发明实施例第一方面提出方法步骤。
本发明实施例第四方面提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例第一方面提出方法。
本发明实施例包括以下优点:首先,根据目标任务场景,搭建虚拟任务环境和虚拟无人平台,并获取目标数据源的数据,然后,根据目标数据源的数据进行多源数据融合,并根据多源数据融合的结果,确定无人平台的操作控制指令,并根据操作控制指令控制虚拟无人平台,在虚拟任务环境中执行目标任务。最后,采集目标任务的任务评价参数,并根据任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数,并根据目标任务的完成度评价分数,对无人平台的模型参数进行调整。在本申请中,通过搭建完全虚拟的仿真环境,对数据融合效果进行高效的评估和调整,从而通过虚拟环境模拟真实运行的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中一种虚拟仿真平台的框架示意图;
图2是本发明实施例中一种数据融合效果评估方法的步骤流程图;
图3是本发明实施例中一种数据融合效果评估系统的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
相关技术中,现有的大多数方案是直接在真实环境下利用无人平台解决相应场景的问题,比较费时费力,造成不必要的成本现有的大多数解决方案是对无人平台的相应场景问题进行解决,而用于无人平台搭建的虚拟环境对实际场景进行模拟的方案比较少。除此之外,鉴于数据融合技术比较新颖,现有的方案是在实际场景下对数据融合技术进行研究,缺少系统化的研究,缺少利用虚拟仿真系统对其模拟。而本专利提出的虚拟仿真系统既可以对数据融合模型的效果进行评估,而且对实际场景进行仿真,并通过无人平台进行训练和学习,可以模拟实际的运行效果,帮助人们做更好的决策,减少对应的成本。
基于此,发明人提出了本申请的技术构思:构建一个用于无人平台的数据融合效果评估的虚拟仿真平台,用于模拟无人平台的真实场景,对其进行训练和学习并且将其用于数据融合的效果评估。
如图1所示,图1示出了一种虚拟仿真平台,用于对无人平台的进行数据融合效果评估,其具体包含数据融合处理单元、控制决策处理单元、仿真引擎处理单元和评估处理单元组成。
下面将结合本申请的数据融合效果评估方法,对虚拟仿真平台进行说明,如图2所示,图2示出了本申请的一种数据融合效果评估方法的流程示意图。
而在接收数据仿真平台发送的传感器数据之前,还包括一些准备步骤,具体包括:
S200:确定目标任务场景,并根据目标任务场景确定对应的目标任务评价标准和目标数据源。
在本实施方式中,目标任务场景是指用户想对无人平台进行性能测试的环境,目标数据源然后该应用场景下需要采集的数据是哪些,即无人平台传感器采集的数据是哪些需要作为目标数据源的。任务评价标准是指在目标任务场景下,用于评价数据融合平台的数据融合能力的参考指标。
作为示例的,若目标任务场景是对民用无人机的性能测试,则民用无人机的摄像头采集的视频数据源,无人机的音频采集设备采集的音频数据等可以被选为目标数据源。因此,目标任务场景的选择和其对应的目标数据源是根据用户的需求来进行调整,本申请对此不进行限定。
作为示例的,任务评价标准可以分为两个类别的评价,一个类别是对无人机测试任务的完成情况评价,另一个类别是对无人机测试任务中无人机自身运行状况的评价。对无人机测试任务的完成情况评价可以为无人机丢失目标的时间、无人机采集的目标图像的清晰度、无人机采集的目标图像中目标所处的位置等等。对无人机测试任务中无人机自身运行状况的评价可以为无人机偏离预设航线的情况、无人机的续航状况、无人机的异常飞行时间等等。目标任务场景的选择和对应的任务评价标准是可以根据用户的需求来进行调整的,本申请对此不进行限定。
S201:根据目标任务场景,搭建虚拟任务环境和虚拟无人平台。
在本实施方式中,在确定目标任务场景之后,根据目标任务场景所需的元素,仿真引擎处理单元可以通过数字孪生,对目标任务场景进行数据建模,得到虚拟任务环境和虚拟无人平台。
作为示例的,以执行的任务是对民用无人机对目标的跟踪能力的测试为例,因此对应的虚拟无人平台即为虚拟无人机,即搭建由路面、被跟踪的目标、无人机以及供无人机飞行的地域空间等多种元素构成的虚拟目标任务场景,即虚拟任务环境。
S202:获取目标数据源的数据,并根据目标数据源的数据进行多源数据融合。
在本实施方式中,虚拟仿真平台在与目标数据源建立连接之后,就可以获取目标数据源的数据,而数据融合处理单元根据接收到的目标数据源的数据,进行相应的处理,最终得到多源融合数据的融合结果,其具体的步骤可以为:
S202-1:对目标数据源的数据进行数据预处理,生成中间数据。在本实施方式中,由于不同目标数据源的数据可能是脏数据,因此在将各个数据源导入系统中时,还需要对其进行相应的数据预处理,以获得高质量的数据。需要说明的是,在对不同的目标数据源进行处理时,通过不同的线程对不同的目标数据源各自进行独立处理。
S202-2:确定目标融合方式,并根据目标融合方式对中间融合数据进行多源数据融合,其中目标融合方式为早期融合、深度融合或后期融合中的一种或组合。
在本实施方式中,早期融合是指对原始数据或者特征进行融合处理,深度融合是指对过特征提取器提取的高维特征进行融合处理,后期融合是指对不同数据源的预测结果进行融合,不同的融合方式对应的融合算法不同,而融合方式和对应的融合算法的选择可以根据不同的需求来进行调整的,本申请对此不进行限定。
在确定目标融合方式之后,根据对应的融合算法,将不同目标数据源的中间数据进行多源数据融合。
S203:根据多源数据融合的结果,确定无人平台的操作控制指令。
在本实施方式中,当数据融合处理单元生成多源融合数据之后,将其发送给控制决策处理单元,控制决策处理单元够根据多源融合数据生成对应的无人平台控制指令,其具体的步骤可以为:
S202-1:根据多源融合数据,确定设备控制策略;
S202-2:根据设备控制策略,生成设备控制指令。
在S202-1至S202-2的实施方式中,控制决策处理单元会根据多源融合数据重构目标任务场景,然后控制决策处理单元通过对数据融合结果进行处理,提出决策方案,转化为实际无人平台的控制策略,然后对控制策略进行解析,并使用合适的算法,从而生成虚拟无人平台的设备控制指令。
作为示例的,若控制决策处理单元通过对多源融合数据进行解析,发现多源融合数据表征虚拟无人平台处于速度过快,且飞行偏角较大的状态下,则控制决策处理单元提出的控制策略是:降低角度和调整飞行角度。然后根据其该控制策略生成对虚拟无人平台的动力设备和旋翼的具体控制指令。
S204:根据操作控制指令控制虚拟无人平台,在虚拟任务环境中执行目标任务。
在本实施方式中,仿真引擎处理单元接收到操作控制指令之后,将其转化成对虚拟无人平台的控制指令,从而实现对虚拟无人平台的控制。
作为示例的,设备控制指令包含2个层级的控制指令,以虚拟无人平台为虚拟无人机进行说明,第一个层级的控制指令可以为设备层级的控制指令,例如控制虚拟无人机的飞行方向、飞行速度、飞行姿态等等,第一个层级的控制指令可以为任务执行层级的控制指令,例如控制虚拟无人机对被跟踪目标进行拍照,控制无人机进行定位等等,具体的控制指令由真实无人机的主控端,根据获取的多源融合数据计算评估得到。因此使得虚拟无人机能够根据真实无人机下发的控制指令做出相应的响应动作。而据操作控制指令控制虚拟无人平台的步骤可以包括:
S204-1:确定虚拟无人平台的初始坐标和初始运行参数;
S204-2:将操作控制指令转换为虚拟无人平台的修正运行参数;
S204-3:根据初始运行参数和修正运行参数,确定虚拟无人平台的最终运行参数;
S204-4:根据初始坐标和最终运行参数,确定虚拟无人平台的最终坐标。
在S204-1至S204-4的实施方式中,在搭建虚拟任务环境和虚拟无人平台之后,会确定虚拟无人平台在虚拟任务环境的初始坐标位置和初始的运行参数,初始坐标位置用于表征虚拟无人平台在虚拟任务环境中的初始坐标信息,初始运行参数用于表征虚拟无人平台的初始运动属性,以虚拟无人平台为虚拟无人机为例,初始运行参数可以为无人机的初始飞行速度,初始飞行方向等等。修正运行参数的指将操作控制指令转换为虚拟无人平台的实际操作后的调整参数,虚拟无人平台的最终坐标是指虚拟无人平台按照控制指令进行操作后的所处的坐标位置。
作为示例的,若虚拟无人平台的初始坐标为(a,b,c),初始速度为d,初始飞行角度为e,根据操作控制指令可以为降低百分之二十的飞行速度,往右偏转百分之十的飞行角度,确定的修正速度为0.2d,修正飞行角度为0.1e,则最终运行参数对应的速度可以为0.8d,飞行角度为0.9e,然后根据初始坐标为(a,b,c)和最终运行速度0.8d,最终飞行角度为0.9e,确定虚拟无人平台的最终坐标(A,B,C)。
S205:采集目标任务的任务评价参数,并根据任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数。
在本实施方式中,任务评价参数是指虚拟无人平台在按照控制指令执行任务的过程中的参数,其与目标任务评价标准对应,包括表征虚拟无人平台测试任务完成情况的参数,以及表征对虚拟无人平台测试任务中虚拟无人平台自身运行状况的参数。
作为示例的,以测试民用无人机对目标的跟踪能力进行说明,则任务完成度评价参数可以为无人机丢失目标的时间、无人机采集的目标图像的清晰度,而运行状态评价参数可以为无人机偏离预设航线的角度、无人机的电池电量、无人机的异常飞行时间等等。
在本实施方式中,评估模块根据任务评价参数和目标任务评价标准的匹配度,确定用于表征本次任务完成情况的评价分数,其具体的步骤可以为:
S205-1:根据任务完成度评价参数与目标任务评价标准的匹配度,计算第一评价分数。
在本实施方式中,以无人机丢失目标的时间进行说明,若任务评价标准规定无人机不能丢失目标,而任务完成度评价参数中无人机丢失目标的时间占整个跟踪时间的百分比为百分之十,则可以确定第一评价分数为九十分。对于第一评价分数的计算,应该计算每种任务完成度评价参数各自的评估分数,然后按照预设的权重,进行加权求和,得到最终的第一评价分数。
S205-2:根据运行状态评价参数与目标任务评价标准的匹配度,计算第二评价分数。
在本实施方式中,以无人机偏离预设航线的角度进行说明,若任务评价标准规定无人机不能存在航线偏离,而运行状态评价参数中无人机偏离预设航线的角度百分比为百分之七,则可以确定第二评价分数为九十三分。对于第二评价分数的计算,应该计算每种运行状态评价参数各自的评估分数,然后按照预设的权重,进行加权求和,得到最终的第二评价分数。
S205-3:根据第一评价分数、第二评价分数、第一评价分数对应的权重系数以及第二评价分数对应的权重系数,计算目标任务的完成度评价分数。
在本实施方式中,在获得第一评价分数和第二评价分数之后,根据第一评价分数和第二评价分数各自对应的权重比,权重比反映了任务的侧重点,若任务侧重点在于任务完成情况,则第一评价分数对应的权重高于第二评价分数对应的权重,任务侧重点在于无人机的运行稳定性,则第一评价分数对应的权重低于第二评价分数对应的权重。
S206:据目标任务的完成度评价分数,对无人平台的模型参数进行调整。
在本实施方式中,在获得本次任务的评估分数之后,则需要根据评估分数与预设的分数阈值的关系,来确定目标任务的完成等级,并将目标任务的完成等级反馈给数据融合处理单元,使其能够根据不同的完成等级执行不同的模型参数调整策略,其具体的步骤可以为:
S206-1:根据目标任务的完成度评价分数,确定目标任务的完成等级;
S206-2:根据目标任务的完成等级,对数据无人平台执行不同的模型参数调整策略。
在S206-1至S206-2的实施方式中,目标任务的完成等级包括达标级和未达标级,通过比较目标任务的完成度评价分数和等级阈值的大小比较关系,来确定本次目标任务的完成等级。
S206-2-1:在目标任务的完成等级为达标级情况下,将无人平台当前的模型参数,确定为目标模型参数;
S206-2-2:在目标任务的完成等级为未达标级情况下,根据目标任务评价标准与无人平台模型参数的映射关系,将无人平台当前的模型参数,调整为修正模型参数,并继续执行根据目标数据源的数据进行多源数据融合的步骤。
在S206-2-1至SS206-2-2的实施方式中,若目标任务的完成等级为达标级,则说明当前对无人平台的进行数据融合效果评估的虚拟仿真平台的数据融合处理单元采用的模型参数,能够实现对目标任务环境较良好的完成任务,因此可以不需要进行修改,将数据融合平台当前的模型参数,确定为目标模型参数,并进行参数固化,得到目标融合模块。
而目标任务的完成等级为未达标级情况下,则说明当前对无人平台的进行数据融合效果评估的虚拟仿真平台的数据融合处理单元采用的模型参数无法成功完成任务,因此需要对数据融合处理单元进行模型参数调整,然后根据任务评价标准与数据融合处理单元的模型参数的映射关系或通过预先建立的反馈函数,对数据融合处理单元当前的模型参数进行修改。
作为示例的,若发现评估分数小于阈值,具体分析之后,确定其原因是任务完成度评价参数中的无人机丢失目标的时间这一项没达到要求,则可以根据无人机丢失目标的时间参数与数据融合处理单元的模型参数的映射关系,确定出待修改的模型参数L,则调整模型参数L,并继续执行上述步骤,直至目标任务的完成等级为达标级。
本发明实施例还提供了一种数据融合效果评估系统,参照图3,示出了本发明一种数据融合效果评估系统实施例第一方面的功能模块图,系统包括:
第一仿真模块301,用于根据目标任务场景,搭建虚拟任务环境和虚拟无人平台;
数据融合模块302,用于获取目标数据源的数据,并根据目标数据源的数据进行多源数据融合;
决策模块303,用于根据多源数据融合的结果,确定无人平台的操作控制指令;
第二仿真模块304,用于根据操作控制指令控制虚拟无人平台,在虚拟任务环境中执行目标任务;
评价模块305,用于采集目标任务的任务评价参数,并根据任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数;
调整模块306,用于根据目标任务的完成度评价分数,对数据无人平台的模型参数进行调整。
在一种可行的实施方式中,系统还包括:
确定模块,用于确定目标任务场景,并根据目标任务场景确定对应的目标任务评价标准和目标数据源。
在一种可行的实施方式中,数据融合模块包括:
预处理子模块,用于对目标数据源的数据进行数据预处理,生成中间数据;
融合子模块,用于确定目标融合方式,并根据目标融合方式对中间数据进行多源数据融合,其中目标融合方式为早期融合、深度融合或后期融合中的一种或组合。
在一种可行的实施方式中,第二仿真模块包括:
第一确定子模块,用于确定虚拟无人平台的初始坐标和初始运行参数;
转换子模块,用于将操作控制指令转换为虚拟无人平台的修正运行参数;
第二确定子模块,用于根据初始运行参数和修正运行参数,确定虚拟无人平台的最终运行参数;
调整子模块,用于根据初始坐标和最终运行参数,确定虚拟无人平台的最终坐标。
在一种可行的实施方式中,评价模块包括:
第一计算子模块,用于根据任务完成度评价参数与目标任务评价标准的匹配度,计算第一评价分数;
第二计算子模块,用于根据运行状态评价参数与目标任务评价标准的匹配度,计算第二评价分数;
第三计算子模块,用于根据第一评价分数、第二评价分数、第一评价分数对应的权重系数以及第二评价分数对应的权重系数,计算目标任务的完成度评价分数。
在一种可行的实施方式中,调整模块包括:
分级子模块,用于根据目标任务的完成度评价分数,确定目标任务的完成等级,其中目标任务的完成等级包括达标级和未达标级;
执行子模块,用于根据目标任务的完成等级,对数据无人平台执行不同的模型参数调整策略。
在一种可行的实施方式中,执行子模块,包括:
第一执行单元,用于在目标任务的完成等级为达标级情况下,将无人平台当前的模型参数,确定为目标模型参数;
第二执行单元,用于在目标任务的完成等级为未达标级情况下,根据目标任务评价标准与无人平台模型参数的映射关系,将无人平台当前的模型参数,调整为修正模型参数,并继续执行根据目标数据源的数据进行多源数据融合的步骤。
基于同一发明构思,本申请的实施例还提出了一种电子设备,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,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请实施例的数据融合效果评估方法。
此外,为实现上述目的,本申请的实施例还提出了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现本申请实施例的数据融合效果评估方法。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用储存介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。“和/或”表示可以选择两者之中的任意一个,也可以两者都选择。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种数据融合效果评估方法、系统、电子设备及储存介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种数据融合效果评估方法,其特征在于,方法包括:
根据目标任务场景,搭建虚拟任务环境和虚拟无人平台;
获取目标数据源的数据,并根据目标数据源的数据进行多源数据融合;
根据多源数据融合的结果,确定无人平台的操作控制指令;
根据所述操作控制指令控制所述虚拟无人平台,在所述虚拟任务环境中执行目标任务;
采集所述目标任务的任务评价参数,并根据所述任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数;
根据所述目标任务的完成度评价分数,对所述无人平台的模型参数进行调整。
2.根据权利要求1所述的数据融合效果评估方法,其特征在于,在根据目标任务场景,搭建虚拟任务环境和虚拟无人平台的步骤之前,所述方法还包括:
确定所述目标任务场景,并根据所述目标任务场景确定对应的所述目标任务评价标准和所述目标数据源。
3.根据权利要求1所述的数据融合效果评估方法,其特征在于,根据所述目标数据源的数据进行多源数据融合的步骤包括:
对所述目标数据源的数据进行数据预处理,生成中间数据;
确定目标融合方式,并根据所述目标融合方式对所述中间融合数据进行多源数据融合,其中所述目标融合方式为早期融合、深度融合或后期融合中的一种或组合。
4.根据权利要求1所述的数据融合效果评估方法,其特征在于,根据所述操作控制指令控制所述虚拟无人平台的步骤包括:
确定所述虚拟无人平台的初始坐标和初始运行参数;
将所述操作控制指令转换为虚拟无人平台的修正运行参数;
根据所述初始运行参数和所述修正运行参数,确定所述虚拟无人平台的最终运行参数;
根据所述初始坐标和所述最终运行参数,确定所述虚拟无人平台的最终坐标。
5.根据权利要求1所述的数据融合效果评估方法,其特征在于,所述任务评价参数包括任务完成度评价参数和运行状态评价参数;根据所述任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数的步骤,包括:
根据所述任务完成度评价参数与所述目标任务评价标准的匹配度,计算第一评价分数;
根据所述运行状态评价参数与所述目标任务评价标准的匹配度,计算第二评价分数;
根据所述第一评价分数、所述第二评价分数、第一评价分数对应的权重系数以及第二评价分数对应的权重系数,计算所述目标任务的完成度评价分数。
6.根据权利要求1所述的数据融合效果评估方法,其特征在于,根据所述目标任务的完成度评价分数,对所述无人平台的模型参数进行调整的步骤包括:
根据所述目标任务的完成度评价分数,确定目标任务的完成等级,其中所述目标任务的完成等级包括达标级和未达标级;
根据所述目标任务的完成等级,对所述数据无人平台执行不同的模型参数调整策略。
7.根据权利要求5所述的数据融合效果评估方法,其特征在于,根据所述目标任务的完成等级,对所述数据无人平台执行不同的模型参数调整策略的步骤,包括:
在所述目标任务的完成等级为达标级情况下,将所述无人平台当前的模型参数,确定为目标模型参数;
在所述目标任务的完成等级为未达标级情况下,根据所述目标任务评价标准与无人平台模型参数的映射关系,将所述无人平台当前的模型参数,调整为修正模型参数,并继续执行根据所述目标数据源的数据进行多源数据融合的步骤。
8.一种数据融合效果评估系统,其特征在于,系统包括:
第一仿真模块,用于根据目标任务场景,搭建虚拟任务环境和虚拟无人平台;
数据融合模块,用于获取目标数据源的数据,并根据所述目标数据源的数据进行多源数据融合;
决策模块,用于根据所述多源数据融合的结果,确定无人平台的操作控制指令;
第二仿真模块,用于根据所述操作控制指令控制所述虚拟无人平台,在所述虚拟任务环境中执行目标任务;
评价模块,用于采集所述目标任务的任务评价参数,并根据所述任务评价参数和目标任务评价标准的匹配度,确定目标任务的完成度评价分数;
调整模块,用于根据所述目标任务的完成度评价分数,对所述数据无人平台的模型参数进行调整。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如权利要求1-7任意一项所述的数据融合效果评估方法。
10.一种储存介质,其特征在于,所述储存介质存储有计算机指令,所述计算机指令被处理器执行时实现上述权利要求1-7任意一项所述的数据融合效果评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211211195.5A CN115577317B (zh) | 2022-09-30 | 2022-09-30 | 数据融合效果评估方法、系统、电子设备及储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211211195.5A CN115577317B (zh) | 2022-09-30 | 2022-09-30 | 数据融合效果评估方法、系统、电子设备及储存介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115577317A true CN115577317A (zh) | 2023-01-06 |
CN115577317B CN115577317B (zh) | 2024-04-05 |
Family
ID=84583739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211211195.5A Active CN115577317B (zh) | 2022-09-30 | 2022-09-30 | 数据融合效果评估方法、系统、电子设备及储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115577317B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109884916A (zh) * | 2019-02-26 | 2019-06-14 | 初速度(苏州)科技有限公司 | 一种自动驾驶仿真评估方法及装置 |
US20190310654A1 (en) * | 2018-04-09 | 2019-10-10 | SafeAI, Inc. | Analysis of scenarios for controlling vehicle operations |
CN112053085A (zh) * | 2020-09-16 | 2020-12-08 | 四川大学 | 一种基于数字孪生的机场场面运行管理系统及方法 |
CN113779705A (zh) * | 2021-09-28 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 一种自动驾驶汽车智能等级评定方法及系统 |
CN114392560A (zh) * | 2021-11-08 | 2022-04-26 | 腾讯科技(深圳)有限公司 | 虚拟场景的运行数据处理方法、装置、设备及存储介质 |
CN114692520A (zh) * | 2022-03-03 | 2022-07-01 | 华南理工大学 | 一种面向多场景的无人艇虚拟仿真测试平台及测试方法 |
CN115099607A (zh) * | 2022-06-21 | 2022-09-23 | 中国人民解放军国防科技大学 | 试验数据融合与评估管理系统 |
-
2022
- 2022-09-30 CN CN202211211195.5A patent/CN115577317B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190310654A1 (en) * | 2018-04-09 | 2019-10-10 | SafeAI, Inc. | Analysis of scenarios for controlling vehicle operations |
CN109884916A (zh) * | 2019-02-26 | 2019-06-14 | 初速度(苏州)科技有限公司 | 一种自动驾驶仿真评估方法及装置 |
CN112053085A (zh) * | 2020-09-16 | 2020-12-08 | 四川大学 | 一种基于数字孪生的机场场面运行管理系统及方法 |
CN113779705A (zh) * | 2021-09-28 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 一种自动驾驶汽车智能等级评定方法及系统 |
CN114392560A (zh) * | 2021-11-08 | 2022-04-26 | 腾讯科技(深圳)有限公司 | 虚拟场景的运行数据处理方法、装置、设备及存储介质 |
CN114692520A (zh) * | 2022-03-03 | 2022-07-01 | 华南理工大学 | 一种面向多场景的无人艇虚拟仿真测试平台及测试方法 |
CN115099607A (zh) * | 2022-06-21 | 2022-09-23 | 中国人民解放军国防科技大学 | 试验数据融合与评估管理系统 |
Non-Patent Citations (2)
Title |
---|
N.R.GANS ET AL: "A hardware in the loop simulation platform for vision-based control of unmanned air vehicles", 《MECHATRONICS》, pages 1043 - 1056 * |
纪广等: "面向无人机作战的虚拟孪生系统设计方案", 《兵工学报》, pages 2 - 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN115577317B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11062617B2 (en) | Training system for autonomous driving control policy | |
Rubies-Royo et al. | A classification-based approach for approximate reachability | |
CN112232490A (zh) | 一种基于视觉的深度模仿强化学习驾驶策略训练方法 | |
CN111645065A (zh) | 一种基于深度强化学习的机械臂运动规划方法 | |
CN111709471B (zh) | 对象检测模型的训练方法以及对象检测方法、装置 | |
CN108920805B (zh) | 具有状态特征提取功能的驾驶员行为建模系统 | |
JP2020119555A (ja) | 極限状況においてフォールトトレランス及びフラクチュエーションロバスト性を向上させるために、ジッタリングが起きたイメージを安定化させるプロセスで生成されたワーピングされたイメージに発生した歪曲を、ganを利用して減らすための学習方法及び学習装置、そしてそれを利用したテスト方法及びテスト装置 | |
CN106969770A (zh) | 一种机器人及其导航方法、计算机可读存储介质 | |
EP4150426A2 (en) | Tools for performance testing and/or training autonomous vehicle planners | |
CN113741533A (zh) | 一种基于模仿学习与强化学习的无人机智能决策系统 | |
CN109961509A (zh) | 三维地图的生成及模型训练方法、装置及电子设备 | |
CN114897160A (zh) | 模型训练方法、系统及计算机存储介质 | |
JP2019098949A (ja) | 学習方法、学習装置及び学習プログラム | |
CN114692397A (zh) | 基于多机制组合策略的集群分布式抓捕方法 | |
CN114194218A (zh) | 自动驾驶系统的优化方法、装置、服务器、车辆和介质 | |
CN112121419B (zh) | 虚拟对象控制方法、装置、电子设备以及存储介质 | |
CN109931940A (zh) | 一种基于单目视觉的机器人定位置信度评估方法 | |
CN111008622B (zh) | 一种图像对象检测方法、装置以及计算机可读存储介质 | |
CN115577317A (zh) | 数据融合效果评估方法、系统、电子设备及储存介质 | |
CN117406762A (zh) | 一种基于分段式强化学习的无人机远程控制算法 | |
CN116461507A (zh) | 一种车辆驾驶决策方法、装置、设备和存储介质 | |
CN116229011A (zh) | 一种基于空间数据融合和网格化的车辆感知训练方法 | |
CN115716278A (zh) | 基于主动感知与交互操作协同的机器人目标搜索方法及机器人仿真平台 | |
CN115236997B (zh) | 预测控制方法、装置、设备及计算机可读存储介质 | |
CN112883947B (zh) | 图像处理方法、装置、计算机设备和存储介质 |
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 |