CN115878681A - 自动驾驶数据的获取方法及装置、存储介质及电子装置 - Google Patents
自动驾驶数据的获取方法及装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN115878681A CN115878681A CN202310173671.7A CN202310173671A CN115878681A CN 115878681 A CN115878681 A CN 115878681A CN 202310173671 A CN202310173671 A CN 202310173671A CN 115878681 A CN115878681 A CN 115878681A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- automatic driving
- vehicle
- target vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000004088 simulation Methods 0.000 claims abstract description 16
- 239000000463 material Substances 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 19
- 238000012790 confirmation Methods 0.000 claims description 13
- 238000004806 packaging method and process Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 238000012856 packing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种自动驾驶数据的获取方法及装置、存储介质及电子装置。该自动驾驶数据的获取方法包括：获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。采用上述技术方案，解决了自动驾驶对应数据采集耗时长、见效慢、投入人力物力大等问题。
Description
技术领域
本申请涉及自动驾驶领域，具体而言，涉及一种自动驾驶数据的获取方法及装置、存储介质及电子装置。
背景技术
在自动驾驶领域，当前的数据采集方法处在一种绝大多数依靠人力堆积车辆在不同环境要求下采集场景的状态，纯粹靠投入人力成本和时间来完成数据采集的工作，因此，使得自动驾驶对应的数据采集任务耗时长、见效慢、投入人力和时间成本巨大。并且由于是人工进行大范围的数据采集，使得数据获取效率低，无法从已有的场景数据中复用和进行自主识别。
针对相关技术中，自动驾驶对应数据采集耗时长、见效慢、投入人力物力大等问题，目前尚未提出有效的解决方案。
因此，有必要对相关技术予以改良以克服相关技术中的所述缺陷。
发明内容
本发明实施例提供了一种自动驾驶数据的获取方法及装置、存储介质及电子装置，以至少解决了自动驾驶对应数据采集耗时长、见效慢、投入人力物力大等问题。
根据本发明实施例的一方面，提供一种自动驾驶数据的获取方法，包括：获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。
在一个示例性的实施例中，使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据之后，上述方法包括：确定所述目标数据对应的数据集合；将所述数据集合打包发送至感知训练模块进行数据确认；其中，所述数据确认用于指示当前所述数据集合是否支持对所述目标车辆的自动驾驶；在所述数据确认的结果指示允许使用所述目标数据对所述目标车辆的自动驾驶进行支持的情况下，将所述目标数据进行打包存储。
在一个示例性的实施例中，将所述目标数据进行打包存储，包括：确定所述目标数据在所述场景数据库对应的数据文件；识别所述数据文件是否存在信息摘要算法对应的目标函数值；其中，所述目标函数值用于标识所述数据文件的数据来源；在所述目标函数值对应的值数量不大于预设阈值的情况下，确定所述目标数据为有效数据，并将所述目标函数值和所述目标数据进行打包存储。
在一个示例性的实施例中，确定所述目标数据为有效数据之后，上述方法包括：对所述目标数据进行数据解析，得到多个控制数据，其中，所述多个控制数据与所述目标车辆进行自动驾驶时执行的不同控制操作一一对应；将所述多个控制数据发送至所述目标车辆的控制列表中，其中，所述控制列表用于保存自动驾驶对应的待执行数据。
在一个示例性的实施例中，将所述目标函数值和所述目标数据进行打包存储之后，上述方法还包括：向所述目标对象发送提示信息，其中，所述提示信息用于提示目标对象是否需要使用所述目标数据执行自动驾驶；接收所述目标对象针对所述提示信息的反馈信息；根据所述反馈信息确定是否在所述目标车辆的自动驾驶过程中应用所述目标数据。
在一个示例性的实施例中，根据预设的定义规范将所述数据采集需求拆分为多个查找标签之前，上述方法还包括：获取所述目标车辆进行自动驾驶的多个历史应用场景；对所述多个历史应用场景进行场景解析，得到多个自动驾驶的辅助参数，其中，所述辅助参数包括以下至少之一：目标车辆的位置、目标车辆所在位置的地面信息、目标车辆所在位置的人流信息、目标车辆所在位置的车位类型、目标车辆所在位置的地面材质、目标车辆所在位置的车位线颜色、目标车辆所在位置的车位线类型；基于所述多个自动驾驶的辅助参数中每一个辅助参数对应的优先级设置对应的代码标识；根据所述代码标识和历史应用场景确定所述预设的定义规范。
在一个示例性的实施例中，获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息之前，所述方法还包括：确定所述目标车辆的档位信息；在所述档位信息为有效档位信息，和/或所述目标车辆不处于刹车状态，确定所述目标车辆支持通过场景数据库中的数据进行车辆控制；在所述档位信息为无效档位信息，和/或所述目标车辆处于刹车状态，确定所述目标车辆不支持通过场景数据库中的数据进行车辆控制。
根据本发明实施例的另一方面，还提供了一种自动驾驶数据的获取装置，包括：获取模块，用于获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；确定模块，用于根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；查找模块，用于根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。
根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述自动驾驶数据的获取方法。
根据本发明实施例的又一方面，还提供了一种电子装置，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，其中，上述处理器通过计算机程序执行上述自动驾驶数据的获取方法。
通过本发明，获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。即在确定目标对象当前自动驾驶需求的基础上，结合场景数据库，继而自动筛选出适合当前自动驾驶需求的目标数据，加快数据采集效率，全面提升对于自动驾驶需求数据的获取效率，达到降低人力物力投入量，节约资源消耗的目的，解决了自动驾驶对应数据采集耗时长、见效慢、投入人力物力大等问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的一种可选的自动驾驶数据的获取方法的应用环境的示意图；
图2是根据本发明实施例的一种可选的自动驾驶数据的获取方法的流程图；
图3是根据本发明实施例的一种基于场景库自主识别的自动驾驶数据采集的实现流程图；
图4是根据本发明实施例的自动驾驶数据的获取装置的结构框图；
图5是根据本申请实施例的一种可选的电子设备的计算机系统结构框图；
图6是根据本申请实施例的一种可选的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合实施例对本申请进行说明：
根据本申请实施例的一个方面，提供了一种自动驾驶数据的获取方法，可选地，在本实施例中，上述自动驾驶数据的获取方法可以应用于如图1所示的由服务器101和自动驾驶车辆103所构成的硬件环境中。如图1所示，服务器101通过网络与自动驾驶车辆103进行连接，可用于为自动驾驶车辆103或自动驾驶车辆103上安装的应用程序107提供服务，应用程序107可以是自动驾驶数据的获取应用程序等等。可在服务器101上或独立于服务器101设置数据库105，用于为服务器101提供数据存储服务，例如，车辆数据存储服务器、环境数据存储服务器，上述网络可以包括但不限于：有线网络，无线网络，其中，该有线网络包括：局域网、城域网和广域网，该无线网络包括：蓝牙、WIFI及其他实现无线通信的网络，自动驾驶车辆103可以是配置有应用程序的终端，可以包括但不限于车载终端，上述服务器101可以是单一服务器，也可以是由多个服务器组成的服务器集群，或者是云服务器，使用上述自动驾驶数据的获取方法的应用程序107通过自动驾驶车辆103或其他连接的显示设备进行显示。
结合图1所示，上述自动驾驶数据的获取方法可以在自动驾驶车辆103通过如下图2中的步骤S202-S206实现：
可选地，在本实施例中，上述自动驾驶数据的获取方法还可以通过服务器实现，例如，图1所示的服务器101中实现；或由自动驾驶车辆和服务器共同实现。
上述仅是一种示例，本实施例不做具体的限定。
可选地，作为一种可选的实施方式，如图2所示，上述自动驾驶数据的获取方法包括以下步骤S202-S206：
步骤S202：获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；
作为一种可选的示例，目标车辆为具有自动驾驶功能的车辆，上述车辆信息用于描述车辆对应的尺寸信息以及所具有的功能；上述环境信息主要用于表述当前目标车辆处于的位置环境，例如，目标车辆此时处在地下车库地面为浅灰的车辆暂停区域，最终结合车辆信息和环境信息可以确定出目标车辆进入自动驾驶态后需要的信息，从而从已有的场景数据库中进行数据筛选。
步骤S204：根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；
步骤S206：根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。
需要说明的是，上述方法可以在与目标车辆存在通信的服务器或者云端上进行，也可以在目标车辆中设置对应的本地存储器进行实现，对此，本申请不作过多限定。
通过上述步骤，获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。即在确定目标对象当前自动驾驶需求的基础上，结合场景数据库，继而自动筛选出适合当前自动驾驶需求的目标数据，加快数据采集效率，全面提升对于自动驾驶需求数据的获取效率，达到降低人力物力投入量，节约资源消耗的目的，解决了自动驾驶对应数据采集耗时长、见效慢、投入人力物力大等问题。
在一个示例性的实施例中，使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据之后，还可以不限于对目标数据的打包存储，具体的，可以通过以下步骤S11-S13实现：
步骤S11：确定所述目标数据对应的数据集合；
步骤S12：将所述数据集合打包发送至感知训练模块进行数据确认；其中，所述数据确认用于指示当前所述数据集合是否支持对所述目标车辆的自动驾驶；
步骤S13：在所述数据确认的结果指示允许使用所述目标数据对所述目标车辆的自动驾驶进行支持的情况下，将所述目标数据进行打包存储。
即可以理解的是，在确定出目标数据之后，为了保证目标数据与自动驾驶的契合性，还需要通过训练感知模块对确定出的目标数据进行分析以及确定，进而利用感知模块在自动驾驶训练过程的应用，确定当前目标数据可以有效应用在自动驾驶中，并当确定目标数据可以支持当前目标车辆进行自动驾驶之后，将目标数据进行打包存储，以使得目标数据在使用时具有完整性。
在一个示例性的实施例中，将所述目标数据进行打包存储，包括：确定所述目标数据在所述场景数据库对应的数据文件；识别所述数据文件是否存在信息摘要算法对应的目标函数值；其中，所述目标函数值用于标识所述数据文件的数据来源；在所述目标函数值对应的值数量不大于预设阈值的情况下，确定所述目标数据为有效数据，并将所述目标函数值和所述目标数据进行打包存储。
需要说明的是，由于目标数据可能仅是一个完整场景数据库中的部分数据，为了使自动驾驶更加贴合实际场景，因此，可以通过在场景数据库中查找与目标数据对应的归属于完整场景的数据文件，继而可以将当前目标车辆的自动驾驶与场景数据库中对应的历史自动驾驶数据进行关联，使得在自动驾驶需求相同的情况下，可以快速利用场景数据库汇总的历史自动驾驶数据辅助执行当前目标车辆的自动驾驶，在提升自动驾驶反馈效率的同时，还可以在同一驾驶需求被对应的目标车辆多次使用的情况下，为该目标车辆建立对的自动驾驶参考数据库，从而将目标对象使用该目标车辆的自动驾驶需求进行标准化，形成对应的自动驾驶项目供目标对象进行选择，减少多次确定相同数据采集需求带来的资源浪费。
作为一个可选的示例，将所述目标数据进行打包存储，包括：确定所述目标数据在所述场景数据库对应的数据文件；识别所述数据文件是否存在信息摘要算法对应的目标函数值；其中，所述目标函数值用于标识所述数据文件的数据来源；在所述目标函数值对应的值数量不大于预设阈值的情况下，确定所述目标数据为有效数据，并将所述目标函数值和所述目标数据进行打包存储。
可以理解的是，为了保证数据的准确性以及数据源归属，在确定出对应目标数据时，可以通过识别目标函数值来确定目标数据对应的数据文件是否有效，即当数据文件中存在多个场景参数，通过参数将场景存储到数据库中，并结合数据分布适合对场景参数进行建模，完善数据文件对应的场景。由于数据文件描述了要测试的参数空间排布以及具体数值，包括每个参数的概率密度函数，因此，使场景数据库中每一个数据文件都会带有原始数据包的MD5值，因此可以做到可查可追溯且唯一，在提升数据准确性的同时，加快数据采集工作的效率。
在一个示例性的实施例中，确定所述目标数据为有效数据之后，所述方法包括：对所述目标数据进行数据解析，得到多个控制数据，其中，所述多个控制数据与所述目标车辆进行自动驾驶时执行的不同控制操作一一对应；将所述多个控制数据发送至所述目标车辆的控制列表中，其中，所述控制列表用于保存自动驾驶对应的待执行数据。
在一个示例性的实施例中，将所述目标函数值和所述目标数据进行打包存储之后，所述方法还包括：向所述目标对象发送提示信息，其中，所述提示信息用于提示目标对象是否需要使用所述目标数据执行自动驾驶；接收所述目标对象针对所述提示信息的反馈信息；根据所述反馈信息确定是否在所述目标车辆的自动驾驶过程中应用所述目标数据。
在一个示例性的实施例中，根据预设的定义规范将所述数据采集需求拆分为多个查找标签之前，所述方法还包括：获取所述目标车辆进行自动驾驶的多个历史应用场景；对所述多个历史应用场景进行场景解析，得到多个自动驾驶的辅助参数，其中，所述辅助参数包括以下至少之一：目标车辆的位置、目标车辆所在位置的地面信息、目标车辆所在位置的人流信息、目标车辆所在位置的车位类型、目标车辆所在位置的地面材质、目标车辆所在位置的车位线颜色、目标车辆所在位置的车位线类型；基于所述多个自动驾驶的辅助参数中每一个辅助参数对应的优先级设置对应的代码标识；根据所述代码标识和历史应用场景确定所述预设的定义规范。
可选的，上述辅助参数在实际使用中可以进行如下定义：假设当期应用场景为停车场P，用于P表示场景，用于数字1-19表示目标车辆当前对应的环境信息，则确定出预设的定义规范可以是：
地上or地下：P1地上、P2地下；
地面颜色：P3深灰、P4浅灰；
人流情况：P5多、P6中、P7少；
车位类型：P8垂直、P9水平、P10斜列；
地面材质：P11沥青路面、P12方砖路面；
车位线颜色：P13白色、P14黄色；
车位线状态：P15清晰、P16模糊；
车位线类型：P17基本完整、P18部分磨损、P19封口型车位线；
需要说明的是，通过上述定义好的规范可以对目标车辆所在环境进行准确的标注，在确定相同或相似数据时，依照规范逐一比对，则可以快速确定出适合目标车辆的目标数据辅助当前自动驾驶。
需要说明的是，上述确定目标车辆的车辆信息还可以包括车辆的行驶状态量；该行驶状态量不限于档位、刹车等车辆行驶的状态量，还可包括目标车辆上预设的车辆位置点的高度坐标以及车辆前轴中心到后轴中心的长度，以及左轮接地点位置高度向的值、右轮接地点位置高度向的值、车辆左轮中心到右轮中心的宽度等。
在一个示例性的实施例中，获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息之前，所述方法还包括：确定所述目标车辆的档位信息；在所述档位信息为有效档位信息，和/或所述目标车辆不处于刹车状态，确定所述目标车辆支持通过场景数据库中的数据进行车辆控制；在所述档位信息为无效档位信息，和/或所述目标车辆处于刹车状态，确定所述目标车辆不支持通过场景数据库中的数据进行车辆控制。
显然，上述所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。为了更好的理解上述方法，以下结合实施例对上述过程进行说明，但不用于限定本发明实施例的技术方案，具体地：
需要说明的是为了便于理解下述方案，现对相关名词进行解释：
场景库：管理实车测试场景、仿真测试场景的一个平台。
数据采集：是一种为了提供感知模型训练所需要的在特定需求条件下的数据集合。
MD5：Message-Digest Algorithm，一种被广泛使用的密码散列函数，使得每个原始数据包包名唯一。
在一个可选的实施例中，针对当前自动驾驶领域的数据采集方法处在一种绝大多数依靠人力堆积车辆在不同环境要求下采集场景的状态，纯粹靠投入人力成本和时间来完成数据采集的工作的问题，采用的是一种高效率、见效快、投入资源少的一种基于场景库自主识别的自动驾驶数据采集方法方案，具体的，通过利用场景库中大量的场景数据（包含路测的实车场景数据和仿真场景数据）来针对数据采集需求的场景需求进行自主识别的方法，将该方法体系贯穿于整个数据采集流程，使得自动驾驶数据采集可以高效拿到所需需求数据，直接用于感知模型的训练和问题修复，从而使得数据采集不仅仅是单纯的一个环节，可以有效同已有的场景库进行打通，解决了现有数据采集耗时长、见效慢、投入人力物力大的问题。
具体的，图3示意出了一种基于场景库自主识别的自动驾驶数据采集的实现流程图，利用场景库自主识别体系由本体论出发，从数据采集需求、需求拆分、场景库等三个部分对自主识别场景体系进行资源整合，每部分的颗粒度拆分至三级，确保整个自主识别体系可以精准的了解到需要数据采集的场景，从而可以精准定位并最终筛选出来。
可选的，对于一个原始的数据采集需求，进行需求统一的规范定义，其中包含停车场信息、场内光照强度、地面反光情况、光影分布情况、停车场地面设施等内容要求，将这些需求打包放在场景库的资源池中，进行从已定义好的颗粒度范围进行自主识别是否在场景库中有此场景，如果有自动发送该场景给感知训练对象进行确认，确认反馈无误后自动发送给解析对象进行数据解析工作。此时需要存储此需求对应的数据文件，这样的数据集都会带有原始数据包的MD5值，因此可以做到可查可追溯且唯一。同时用此方法可以将数据采集工作的效率得到大幅提升。
可选的，具体步骤包括：
步骤S302、确定数据采集需求；
步骤S304、结合预先统一的规范定义对数据采集需求进行需求的拆分，生成对应的查找标签；
步骤S306、确定当前数据采集需求对应的场景库；
步骤S308、使用确定出的查找标签自主识别场景库中包括多个需求的场景，并获取该场景对应的数据文件；
步骤S310、将从场景库中确出的数据文件打包发送至感知训练对象进行自动驾驶使用的识别，保证确定出的数据文件可以被有效使用。
步骤S312、在感知训练对象确定无误的情况下，对确认OK的数据文件进行存储；
步骤S314、并向发起数据采集需求的对象反馈数据采集需求完成的信息。
需要说明的是，上述场景库是通过数据驱动方法构建出的，这个方法的主要思想是收集测量数据并识别和分类发生的场景，将这些场景参数化并存储在数据库中。对于现实生活中的场景，假设它们可以完全由感官和外部信息（如数字地图和天气数据）构建，在将参数化的场景存储到数据库中之后，数据分布适合对场景参数进行建模。这个表示描述了要测试的参数空间，包括每个参数的概率密度函数，根据逻辑场景建模中的分布，对新的（具体的）场景进行采样，并在模拟环境中执行它们，这种抽样构成了蒙特卡罗模拟的基础。然而，这个方法和类似的方法被归类为数据驱动流程，因为所有生成的场景都是基于真实场景的，并且不会执行场景的语义变化。且可以将数据驱动方法与知识驱动方法相结合，其主要思想是根据现有知识生成场景，如监管建议，然后使用从测量数据中收集的信息来扩展这些合成场景。作为生成功能场景的第一步，可用知识必须是结构化的，用语言描述的，在语义层次上变化的。因此，有一种基于知识的本体生成起始场景的方法。为了构建本体中所表示的知识，提出了5层模型，扩展了基于知识生成起始场景的概念，可以以高速公路为例实现了基于知识的运行场景生成，每个操作场景包括起始场景和结束场景，在语义层（功能场景）上进行语言描述，并使用Web本体语言（OWL）表示。为了将这些场景作为在虚拟测试范围内生成具体场景的基础，可将生成的功能场景必须转换成可在模拟环境中执行的符号进而自行场景的自主识别，为数据采集提供资源，进而给到感知进行模型训练。
综上，通过上述实施方式，通过利用场景库中大量的场景数据（包含路测的实车场景数据和仿真场景数据）来针对数据采集需求的场景需求进行自主识别的方法，将该方法体系贯穿于整个数据采集流程，使得自动驾驶数据采集可以高效拿到所需需求数据，直接用于感知模型的训练和问题修复，从而使得数据采集不仅仅是单纯的一个环节，可以有效同已有的场景库进行打通，解决了现有数据采集耗时长、见效慢、投入人力物力大的问题，即通过利用场景库自主识别的方法进行数据采集，快速找到已有数据，提升效率。
可以理解的是，在本申请的具体实施方式中，涉及到用户信息等相关的数据，当本申请以上实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台自动驾驶车辆执行本发明各个实施例的方法。
在本实施例中还提供了一种自动驾驶数据的获取装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的设备较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的自动驾驶数据的获取装置的结构框图，该装置包括：
获取模块42，用于获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；
确定模块44，用于根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；
查找模块46，用于根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。
通过上述装置，获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。即在确定目标对象当前自动驾驶需求的基础上，结合场景数据库，继而自动筛选出适合当前自动驾驶需求的目标数据，加快数据采集效率，全面提升对于自动驾驶需求数据的获取效率，达到降低人力物力投入量，节约资源消耗的目的，解决了自动驾驶对应数据采集耗时长、见效慢、投入人力物力大等问题。
在一个示例性的实施例中，上述装置还包括：打包模块，用于确定所述目标数据对应的数据集合；将所述数据集合打包发送至感知训练模块进行数据确认；其中，所述数据确认用于指示当前所述数据集合是否支持对所述目标车辆的自动驾驶；在所述数据确认的结果指示允许使用所述目标数据对所述目标车辆的自动驾驶进行支持的情况下，将所述目标数据进行打包存储。
在一个示例性的实施例中，上述打包模块，还用于确定所述目标数据在所述场景数据库对应的数据文件；识别所述数据文件是否存在信息摘要算法对应的目标函数值；其中，所述目标函数值用于标识所述数据文件的数据来源；在所述目标函数值对应的值数量不大于预设阈值的情况下，确定所述目标数据为有效数据，并将所述目标函数值和所述目标数据进行打包存储。
在一个示例性的实施例中，上述打包模块，还包括解析单元，用于对所述目标数据进行数据解析，得到多个控制数据，其中，所述多个控制数据与所述目标车辆进行自动驾驶时执行的不同控制操作一一对应；将所述多个控制数据发送至所述目标车辆的控制列表中，其中，所述控制列表用于保存自动驾驶对应的待执行数据。
在一个示例性的实施例中，上述打包模块还包括：提示单元，用于向所述目标对象发送提示信息，其中，所述提示信息用于提示目标对象是否需要使用所述目标数据执行自动驾驶；接收所述目标对象针对所述提示信息的反馈信息；根据所述反馈信息确定是否在所述目标车辆的自动驾驶过程中应用所述目标数据。
在一个示例性的实施例中，上述装置还包括：规范模块，用于获取所述目标车辆进行自动驾驶的多个历史应用场景；对所述多个历史应用场景进行场景解析，得到多个自动驾驶的辅助参数，其中，所述辅助参数包括以下至少之一：目标车辆的位置、目标车辆所在位置的地面信息、目标车辆所在位置的人流信息、目标车辆所在位置的车位类型、目标车辆所在位置的地面材质、目标车辆所在位置的车位线颜色、目标车辆所在位置的车位线类型；基于所述多个自动驾驶的辅助参数中每一个辅助参数对应的优先级设置对应的代码标识；根据所述代码标识和历史应用场景确定所述预设的定义规范。
在一个示例性的实施例中，上述装置还包括：控制模块，用于确定所述目标车辆的档位信息；在所述档位信息为有效档位信息，和/或所述目标车辆不处于刹车状态，确定所述目标车辆支持通过场景数据库中的数据进行车辆控制；在所述档位信息为无效档位信息，和/或所述目标车辆处于刹车状态，确定所述目标车辆不支持通过场景数据库中的数据进行车辆控制。
根据本申请的一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序/指令，该计算机程序/指令包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理器801执行时，执行本申请实施例提供的各种功能。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
图5示意性地示出了用于实现本申请实施例的电子设备的计算机系统结构框图。
需要说明的是，图5示出的电子设备的计算机系统800仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统800包括中央处理器801（Central Processing Unit，CPU），其可以根据存储在只读存储器802（Read-Only Memory，ROM）中的程序或者从存储部分808加载到随机访问存储器803（Random Access Memory，RAM）中的程序而执行各种适当的动作和处理。在随机访问存储器803中，还存储有系统操作所需的各种程序和数据。中央处理器801、在只读存储器802以及随机访问存储器803通过总线804彼此相连。输入/输出接口805（Input /Output接口，即I/O接口）也连接至总线804。
以下部件连接至输入/输出接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管（Cathode Ray Tube，CRT）、液晶显示器（Liquid Crystal Display，LCD）等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如局域网卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至输入/输出接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地，根据本申请的实施例，各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如，本申请的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。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理器801执行时，执行本申请的系统中限定的各种功能。
根据本申请实施例的又一个方面，还提供了一种用于实施上述自动驾驶数据的获取方法的电子设备，该电子设备可以是图1所示的自动驾驶车辆或服务器。本实施例以该电子设备为自动驾驶车辆为例来说明。如图6所示，该电子设备包括存储器902和处理器904，该存储器902中存储有计算机程序，该处理器904被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；
S2，根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；
S3，根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。
可选地，本领域普通技术人员可以理解，图6所示的结构仅为示意，电子装置电子设备也可以是自动驾驶车辆。图6其并不对上述电子装置电子设备的结构造成限定。例如，电子装置电子设备还可包括比图6中所示更多或者更少的组件（如网络接口等），或者具有与图6所示不同的配置。
其中，存储器902可用于存储软件程序以及模块，如本申请实施例中的自动驾驶数据的获取方法和装置对应的程序指令/模块，处理器904通过运行存储在存储器902内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的自动驾驶数据的获取方法。存储器902可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器902可进一步包括相对于处理器904远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器902具体可以但不限于用于包含敏感数据的日志等信息。作为一种示例，如图6所示，上述存储器902中可以但不限于包括上述自动驾驶数据的获取装置中的获取模块92，确定模块94，控制模块96。此外，还可以包括但不限于上述自动驾驶数据的获取装置中的其他模块单元，本示例中不再赘述。
可选地，上述的传输装置906用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置906包括一个网络适配器（Network Interface Controller，NIC），其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置906为射频（Radio Frequency，RF）模块，其用于通过无线方式与互联网进行通讯。
此外，上述电子设备还包括：显示器908；和连接总线910，用于连接上述电子设备中的各个模块部件。
在其他实施例中，上述自动驾驶车辆或者服务器可以是一个分布式系统中的一个节点，其中，该分布式系统可以为区块链系统，该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中，节点之间可以组成点对点（P2P，Peer To Peer）网络，任意形式的计算设备，比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。
根据本申请的一个方面，提供了一种计算机可读存储介质，计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供自动驾驶数据的获取方法。
可选地，在本实施例中，上述计算机可读存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；
S2，根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；
S3，根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。
可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令自动驾驶车辆相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器（Read-OnlyMemory，ROM）、随机存取器（Random Access Memory，RAM）、磁盘或光盘等。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以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，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请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全部或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存储介质中，包括若干指令用以使得一台或多台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种自动驾驶数据的获取方法，其特征在于，包括：
获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；
根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；
根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。
2.根据权利要求1所述的方法，其特征在于，使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据之后，所述方法包括：
确定所述目标数据对应的数据集合；
将所述数据集合打包发送至感知训练模块进行数据确认；其中，所述数据确认用于指示当前所述数据集合是否支持对所述目标车辆的自动驾驶；
在所述数据确认的结果指示允许使用所述目标数据对所述目标车辆的自动驾驶进行支持的情况下，将所述目标数据进行打包存储。
3.根据权利要求2所述的方法，其特征在于，将所述目标数据进行打包存储，包括：
确定所述目标数据在所述场景数据库对应的数据文件；
识别所述数据文件是否存在信息摘要算法对应的目标函数值；其中，所述目标函数值用于标识所述数据文件的数据来源；
在所述目标函数值对应的值数量不大于预设阈值的情况下，确定所述目标数据为有效数据，并将所述目标函数值和所述目标数据进行打包存储。
4.根据权利要求3所述的方法，其特征在于，确定所述目标数据为有效数据之后，所述方法包括：
对所述目标数据进行数据解析，得到多个控制数据，其中，所述多个控制数据与所述目标车辆进行自动驾驶时执行的不同控制操作一一对应；
将所述多个控制数据发送至所述目标车辆的控制列表中，其中，所述控制列表用于保存自动驾驶对应的待执行数据。
5.根据权利要求3所述的方法，其特征在于，将所述目标函数值和所述目标数据进行打包存储之后，所述方法还包括：
向所述目标对象发送提示信息，其中，所述提示信息用于提示目标对象是否需要使用所述目标数据执行自动驾驶；
接收所述目标对象针对所述提示信息的反馈信息；
根据所述反馈信息确定是否在所述目标车辆的自动驾驶过程中应用所述目标数据。
6.根据权利要求1所述的方法，其特征在于，根据预设的定义规范将所述数据采集需求拆分为多个查找标签之前，所述方法还包括：
获取所述目标车辆进行自动驾驶的多个历史应用场景；
对所述多个历史应用场景进行场景解析，得到多个自动驾驶的辅助参数，其中，所述辅助参数包括以下至少之一：目标车辆的位置、目标车辆所在位置的地面信息、目标车辆所在位置的人流信息、目标车辆所在位置的车位类型、目标车辆所在位置的地面材质、目标车辆所在位置的车位线颜色、目标车辆所在位置的车位线类型；
基于所述多个自动驾驶的辅助参数中每一个辅助参数对应的优先级设置对应的代码标识；
根据所述代码标识和历史应用场景确定所述预设的定义规范。
7.根据权利要求1所述的方法，其特征在于，获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息之前，所述方法还包括：
确定所述目标车辆的档位信息；
在所述档位信息为有效档位信息，和/或所述目标车辆不处于刹车状态，确定所述目标车辆支持通过场景数据库中的数据进行车辆控制；
在所述档位信息为无效档位信息，和/或所述目标车辆处于刹车状态，确定所述目标车辆不支持通过场景数据库中的数据进行车辆控制。
8.一种自动驾驶数据的获取装置，其特征在于，包括：
获取模块，用于获取目标对象当前驾驶的目标车辆的车辆信息以及所述目标车辆所在目标区域对应的环境信息；
确定模块，用于根据车辆信息、所述环境信息以及所述目标对象发送的自动驾驶指令确定自动驾驶的数据采集需求；
查找模块，用于根据预设的定义规范将所述数据采集需求拆分为多个查找标签，并使用所述多个查找标签在场景数据库中筛选出用于支持自动驾驶的目标数据，其中，所述场景数据库中至少包括目标车辆进行路测的实车场景数据和所述目标车辆对应的仿真场景数据。
9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行权利要求1至7中任一项所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310173671.7A CN115878681B (zh) | 2023-02-23 | 2023-02-23 | 自动驾驶数据的获取方法及装置、存储介质及电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310173671.7A CN115878681B (zh) | 2023-02-23 | 2023-02-23 | 自动驾驶数据的获取方法及装置、存储介质及电子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115878681A true CN115878681A (zh) | 2023-03-31 |
| CN115878681B CN115878681B (zh) | 2023-06-02 |
Family
ID=85761654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310173671.7A Active CN115878681B (zh) | 2023-02-23 | 2023-02-23 | 自动驾驶数据的获取方法及装置、存储介质及电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115878681B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116664964A (zh) * | 2023-07-31 | 2023-08-29 | 福思(杭州)智能科技有限公司 | 数据筛选方法、装置、车载设备和存储介质 |
| CN117150090A (zh) * | 2023-10-30 | 2023-12-01 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 自动驾驶数据的属性图模型建立和数据管理方法、装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022078289A1 (zh) * | 2020-10-14 | 2022-04-21 | 广州小鹏自动驾驶科技有限公司 | 一种自动驾驶的仿真测试系统和方法 |
| CN114676844A (zh) * | 2020-12-24 | 2022-06-28 | 北京百度网讯科技有限公司 | 用于自动驾驶的方法、装置、设备、计算机可读存储介质 |
| CN114972911A (zh) * | 2022-05-19 | 2022-08-30 | 安徽蔚来智驾科技有限公司 | 自动驾驶感知算法模型的输出数据收集处理方法及设备 |
-
2023
- 2023-02-23 CN CN202310173671.7A patent/CN115878681B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022078289A1 (zh) * | 2020-10-14 | 2022-04-21 | 广州小鹏自动驾驶科技有限公司 | 一种自动驾驶的仿真测试系统和方法 |
| CN114676844A (zh) * | 2020-12-24 | 2022-06-28 | 北京百度网讯科技有限公司 | 用于自动驾驶的方法、装置、设备、计算机可读存储介质 |
| CN114972911A (zh) * | 2022-05-19 | 2022-08-30 | 安徽蔚来智驾科技有限公司 | 自动驾驶感知算法模型的输出数据收集处理方法及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 李英勃;于波;: "基于融合感知的场景数据提取技术研究" * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116664964A (zh) * | 2023-07-31 | 2023-08-29 | 福思(杭州)智能科技有限公司 | 数据筛选方法、装置、车载设备和存储介质 |
| CN116664964B (zh) * | 2023-07-31 | 2023-10-20 | 福思(杭州)智能科技有限公司 | 数据筛选方法、装置、车载设备和存储介质 |
| CN117150090A (zh) * | 2023-10-30 | 2023-12-01 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 自动驾驶数据的属性图模型建立和数据管理方法、装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115878681B (zh) | 2023-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115878681B (zh) | 自动驾驶数据的获取方法及装置、存储介质及电子装置 | |
| CN111338973B (zh) | 基于场景的自动驾驶仿真测试评价服务云平台及应用方法 | |
| CN110765661A (zh) | 自动驾驶仿真场景生成方法及装置、电子设备、存储介质 | |
| CN116416706A (zh) | 数据采集的方法及装置 | |
| CN111177887A (zh) | 一种基于真实驾驶场景构造仿真轨迹数据的方法和装置 | |
| CN112598192B (zh) | 一种车辆进入物流园区的预测方法、装置、存储介质及终端 | |
| CN115511501A (zh) | 一种数据处理方法、计算机设备以及可读存储介质 | |
| CN112994989B (zh) | 物联网终端的评测方法、装置、系统、及存储介质 | |
| CN115830399A (zh) | 分类模型训练方法、装置、设备、存储介质和程序产品 | |
| WO2022174838A1 (zh) | 一种驾驶场景识别方法及其系统 | |
| CN113297667B (zh) | 一种智能驾驶数据闭环的方法及系统 | |
| CN112383436B (zh) | 一种网络监控的方法和装置 | |
| CN115688496B (zh) | 一种获取自动驾驶仿真测试脚本方法及相关装置 | |
| CN114862372B (zh) | 基于区块链的智慧教育数据防篡改处理方法及系统 | |
| CN115908263A (zh) | 道路路面损伤智能检测系统及其检测方法和存储介质 | |
| CN115037790A (zh) | 异常注册识别方法、装置、设备及存储介质 | |
| CN114936156A (zh) | 一种自动驾驶仿真任务的处理方法及装置 | |
| CN114564207A (zh) | 软件产品的处理方法、装置、计算机设备、存储介质 | |
| CN113761306A (zh) | 一种车端数据处理方法及装置 | |
| CN110796024B (zh) | 一种针对失效样本的自动驾驶视觉感知测试方法和装置 | |
| CN112667366B (zh) | 动态场景数据的导入方法、装置、设备及可读存储介质 | |
| CN112651447B (zh) | 一种基于本体的资源分类标注方法及系统 | |
| CN115391313A (zh) | 数据处理方法、装置、存储介质和电子设备 | |
| CN115048015B (zh) | 基于高精地图的自动驾驶仿真场景搭建方法和系统 | |
| CN115481036A (zh) | 一种驾驶模型的测试方法、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 | ||
| 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. |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method and device for obtaining autonomous driving data, storage medium and electronic device Granted publication date: 20230602 Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch Pledgor: Heduo Technology (Guangzhou) Co.,Ltd. Registration number: Y2024980009891 |