CN116860130A - 数据可视化方法、装置、电子设备及介质 - Google Patents
数据可视化方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN116860130A CN116860130A CN202310805338.3A CN202310805338A CN116860130A CN 116860130 A CN116860130 A CN 116860130A CN 202310805338 A CN202310805338 A CN 202310805338A CN 116860130 A CN116860130 A CN 116860130A
- Authority
- CN
- China
- Prior art keywords
- data
- block
- sub
- data sub
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013079 data visualisation Methods 0.000 title claims abstract description 61
- 238000004088 simulation Methods 0.000 claims abstract description 315
- 238000012800 visualization Methods 0.000 claims abstract description 91
- 238000009877 rendering Methods 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 230000003993 interaction Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000036316 preload Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种数据可视化方法、装置、电子设备及介质,涉及人工智能技术领域,尤其涉及数据可视化领域以及人机交互领域。本公开提供的数据可视化方法,包括:获取待可视化的目标仿真数据;所述目标仿真数据预先拆分成至少两个候选数据子块;从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与所述目标数据子块关联的关联数据子块;对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载。本公开提高了仿真数据的可视化效率,缩短了仿真数据的首帧渲染时间,有利于提高用户观看体验。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及数据可视化领域以及人机交互领域,具体涉及一种数据可视化方法。
背景技术
在自动驾驶领域,驾驶仿真平台每天运行数以万计的驾驶仿真任务,将驾驶仿真任务产生的仿真数据可视化,可以为自动驾驶的各环节尤其是需求的开发和问题的修复提供助力。
相关技术中,大多直接对全量的仿真数据进行可视化,存在仿真数据的可视化效率低,首帧渲染时间过长的问题。可以知道的是,仿真数据的可视化效率低,不仅影响自动驾驶中各功能模块的产品迭代速度以及功能优化效率,仿真数据的首帧渲染时间过长,还会影响用户观看体验。
发明内容
本公开提供了一种数据可视化方法、装置、电子设备及介质。
根据本公开的一方面,提供了一种数据可视化方法,所述方法包括:
获取待可视化的目标仿真数据;所述目标仿真数据预先拆分成至少两个候选数据子块;
从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与所述目标数据子块关联的关联数据子块;
对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载。
根据本公开的另一方面,提供了一种数据可视化装置,所述装置包括:
仿真数据获取模块,用于获取待可视化的目标仿真数据;所述目标仿真数据预先拆分成至少两个候选数据子块;
数据子块选择模块,用于从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与所述目标数据子块关联的关联数据子块;
数据可视化模块,用于对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载。
根据本公开的又一方面,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本公开任一实施例所述的数据可视化方法。
根据本公开的又一方面,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,其中,所述计算机指令用于使计算机执行本公开任一实施例所述的数据可视化方法。
根据本公开的又一方面,提供了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本公开任一实施例所述的数据可视化方法。
根据本公开的技术,本公开提高了仿真数据的可视化效率,缩短了仿真数据的首帧渲染时间,有利于提高用户观看体验。
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
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种数据可视化方法的流程图;
图2是根据本公开实施例提供的另一种数据可视化方法的流程图;
图3是根据本公开实施例提供的另一种数据可视化方法的流程图;
图4是根据本公开实施例提供的一种数据可视化装置的结构示意图;
图5用来实现本公开实施例的数据可视化方法的电子设备的框图。
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。
图1是根据本公开实施例提供的一种数据可视化方法的流程图,本公开实施例适用于在智能驾驶场景下,对自动驾驶仿真产生的仿真数据进行可视化的情况。该方法可以由数据可视化装置来执行,该装置可以采用软件和/或硬件的方式实现。如图1所示,本实施例的数据可视化方法可以包括:
S101,获取待可视化的目标仿真数据;所述目标仿真数据预先拆分成至少两个候选数据子块;
S102,从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与所述目标数据子块关联的关联数据子块;
S103,对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载。
其中,待可视化的目标仿真数据是指需要进行可视化处理的仿真数据。目标仿真数据是指时间上连续且时长可确定的仿真数据。待可视化的目标仿真数据包括至少两个候选数据子块。至少两个候选子块通过对目标仿真数据预先进行拆分得到。可选的,从时间维度对目标仿真数据进行拆分,得到至少两个候选数据子块。其中,对目标仿真数据进行可视化处理的过程中,候选数据子块为最小粒度,也就是说,对目标仿真数据进行可视化处理,实际上是对候选数据子块逐个进行可视化处理。候选数据子块通过对目标仿真数据进行拆分得到,各个候选数据子块自身的时长要小于等于目标仿真数据整体的时长。
可以理解的是,受到业务类型,业务场景以及业务需求等因素的影响,不同仿真数据的时长也可能存在差异,仿真数据的时长不仅影响仿真数据的可视化效率还影响可视化时长。在对全量的仿真数据进行可视化的过程中,仿真数据的时长越长,可视化效率低,首帧渲染时间过长的问题越发突出。相对而言,如果仿真数据的时长较短,则可视化效率低,首帧渲染时间过长的问题并不显著。考虑到数据可视化过程中计算资源的占用率,采用灵活的数据拆分策略,对时长较长的仿真数据进行拆分,对于时长较短的仿真数据不再拆分。示例性的,对时长为30秒的仿真数据B进行拆分,对时长为2秒的仿真数据A不再拆分。可选的,目标仿真数据是需要进行拆分的仿真数据。
可选的,基于基础拆分时长确定是否拆分仿真数据,其中,基础拆分时长根据实际业务需求确定,在这里不做限定,示例性的,基础拆分时长可以是2秒。可以知道的是,本公开提供的数据可视化方法,同样适用于无需进行拆分的仿真数据。本公开实施例以将目标仿真数据拆分为至少两个候选数据子块的情况进行说明。对于仿真数据无需拆分的情况,可将全量的仿真数据视为一个候选数据子块,可视化处理的具体流程不再赘述。
由于候选数据子块是通过对目标仿真数据进行拆分得到的,不同候选数据子块的数据内容存在关联。以数据子块的粒度对目标仿真数据进行可视化的过程中,参考不同候选数据子块中数据内容之间的关联性,从至少两个候选数据子块中选择目标数据子块,以及与目标数据子块关联的关联数据子块。可选的,不同候选数据子块中数据内容之间的关联性,可以通过候选数据子块之间的时序特征信息体现。
可选的,对目标仿真数据进行可视化处理包括格式解码和数据渲染,这是因为目标仿真数据一般采用专有格式编码得到。只有进行格式解码后才能进行数据渲染。以数据子块的粒度对目标仿真数据进行可视化处理,同样包括格式解码和数据渲染。
其中,目标数据子块和关联数据子块均从候选数据子块中产生。目标数据子块是指当前时刻需要渲染的候选数据子块。目标数据子块与关联数据子块的数据内容相互关联。关联数据子块是指在目标数据子块之后下一个需要渲染的候选数据子块。
在一个可选的实施例中,所述目标数据子块与所述关联数据子块之间存在公共数据。其中,公共数据是指既存在于目标数据子块中也存在于关联数据子块中的数据内容。在以数据子块的粒度对目标仿真数据进行可视化处理的过程中,这样做可以保证不同数据子块中数据内容的连续性,可以保证仿真数据的可视化准确性。
可选的,基于数据子块的粒度对目标数据子块进行可视化,需要逐一进行,也就是说,先对一个数据子块进行可视化处理,然后对另一数据子块进行可视化处理。目标数据子块优先于关联数据子块进行可视化处理。可选的,对目标数据子块进行可视化,并同步对关联数据子块进行预加载。其中,对关联数据子块进行预加载是为可视化关联数据子块做准备,这样做可以提高仿真数据的可视化效率。
在一个可选的实施例中,所述对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载,包括:对所述目标数据子块进行格式编码和渲染,并同步对所述关联数据子块进行格式解码。
对目标数据子块进行可视化,具体的,对目标数据子块进行格式解码,将目标数据子块解码为可渲染格式,然后对目标数据子块进行数据渲染。在对目标数据子块进行数据渲染的同时,对关联数据子块进格式解码,在目标数据子块渲染完成,且关联数据子块格式解码完成以后,对解码后的关联数据子块进行数据渲染。重复以上操作,直到最后一个候选数据子块均渲染完成。上述技术方案,通过在对目标数据子块进行格式编码渲染,同步关联数据子块进行格式解码,可以提高仿真数据的可视化效率。
在一个可选的实施例中,目标仿真数据通过自动驾驶仿真产生。
其中,自动驾驶仿真可以为自动驾驶落地提供强大的助力。自动驾驶仿真就是将自动驾驶涉及到的所有内容全部搬运到虚拟环境中,在构建的虚拟场景中实现自动驾驶感知、决策规划、控制等算法的闭环仿真测试。
自动驾驶仿真一般通过驾驶仿真平台以任务的形式实现,驾驶仿真平台每天运行数以万计的驾驶仿真任务,将驾驶仿真任务产生的仿真数据可视化,可以为自动驾驶的各环节尤其是需求的开发和问题的修复提供助力。
可选的,目标仿真数据是指通过自动驾驶仿真产生的仿真记录。
上述技术方案,支持对自动驾驶仿真产生的仿真数据进行可视化处理,不仅有利于提高自动驾驶中各功能模块的产品迭代速度以及功能优化效率,还能提高用户观看体验。
本公开技术方案,通过将目标仿真数据拆分为至少两个候选数据子块,以数据子块的粒度对目标仿真数据进行可视化处理,可以缩短目标仿真数据的首帧渲染时长,缩短了用户的观看等待时长,有利于提高用户观看体验。本公开技术方案,通过从至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与目标数据子块关联的关联数据子块;对目标数据子块进行可视化,并同步对关联数据子块进行预加载,在可视化过程中实现了时间复用,能够提高仿真数据的可视化效率。
在一个可选的实施例中,所述获取待可视化的目标仿真数据,包括:根据目标仿真任务的数据可视化请求,获取目标仿真任务的候选仿真数据;从所述数据可视化请求中,提取待可视化的目标仿真主题;基于候选仿真数据的主题描述信息,从所述候选仿真数据中确定与所述目标仿真主题相匹配的目标仿真数据。
其中,数据可视化请求用于请求对目标仿真任务产生的目标仿真数据进行可视化。可选的,数据可视化请求根据待可视化的目标仿真主题生成。从数据可视化请求可以确定待可视化的目标仿真主题。
目标仿真任务的候选仿真数据覆盖至少两种仿真主题。主题描述信息用于描述对仿真数据对应的仿真主题。基于候选仿真数据的主题描述信息可以确定候选仿真数据对应的仿真主题。目标仿真数据从目标仿真任务的候选仿真数据中产生,是指与目标仿真主题对应的候选仿真数据。
可选的,将待可视化的目标仿真主题,与候选仿真数据的主题描述信息进行匹配,根据主题匹配结果从候选仿真数据中确定与目标仿真主题相匹配的目标仿真数据。
上述技术方案,支持按需选择需要进行可视化的仿真主题,可以提高数据可视化的灵活性,剔除与待可视化的目标仿真主题无关的候选仿真数据,仅对与目标仿真主题相匹配的目标仿真数据进行可视化,有利于提高仿真数据的可视化效率。
图2是根据本公开实施例提供的另一种数据可视化方法的流程图;本实施例是在上述实施例的基础上提出的一种可选方案。
参见图2,本实施例提供的数据可视化方法包括:
S201,获取待可视化的目标仿真数据;所述目标仿真数据预先拆分成至少两个候选数据子块;
S202,获取所述候选数据子块的时长特征信息和至少两个候选数据子块之间的时序特征信息;
其中,候选数据子块的时长特征信息,用于衡量对候选数据子块进行可视化处理所要消耗的时长。至少两个候选数据子块之间的时序特征信息,用于确定候选数据子块中数据内容之间的关联性。
可选的,候选数据子块关联有数据拆分点位。数据拆分点位用于定位目标仿真数据的数据拆分位置。侯选数据子块即为目标仿真数据中处于两个相邻的数据拆分点位之间的数据内容。侯选数据子块的时长特征信息可以根据与其对应的数据拆分位置确定。
至少两个候选数据子块之间的时序特征信息,基于候选数据子块在目标仿真数据中的相对位置关系确定。
对目标仿真数据进行拆分得到至少候选数据子块,同时可以确定候选数据子块的时长特征信息和至少两个候选数据子块之间的时序特征信息,并将时长特征信息和时序特征信息关联到候选数据子块。时长特征信息和时序特征信息可以用于确定候选数据子块的可视化优先级。
S203,根据所述候选数据子块的时长特征信息和所述时序特征信息,确定候选数据子块的可视化优先级;
其中,可视化优先级用于确定候选数据子块的可视化顺序。具体的可以确定候选数据子块中的哪个数据子块需要优先可视化处理。
基于时序特征信息和时长特征信息,确定候选数据子块的可视化优先级,不仅考虑了候选数据子块中数据内容之间的关联性,同时考虑了候选数据子块的可视化时长。
S204,根据所述可视化优先级,从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,且将与所述目标数据子块相邻的下一数据子块作为与所述目标数据子块关联的关联数据子块。
其中,可视化优先级用于确定候选数据子块的可视化顺序,一般可视化优先级高的候选数据子块优先进行可视化处理。
可选的,根据可视化优先级从高到低的顺序,从至少两个候选数据子块中选择当前待渲染的目标数据子块。然后,基于目标数据子块的可视化优先级,从至少两个候选数据子块中选择与目标数据子块相邻的下一数据子块作为与目标数据子块关联的关联数据子块。
其中,关联数据子块的可视化优先级高于目标数据子块。
S205,对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载。
本公开技术方案,根据候选数据子块的时长特征信息和至少两个候选数据子块之间的时序特征信息,确定候选数据子块的可视化优先级,根据可视化优先级,确定当前待渲染的目标数据子块和与目标数据子块关联的关联数据子块,对目标数据子块进行可视化,并同步对关联数据子块进行预加载,本公开实施例在为候选数据子块确定可视化优先级的时候,不仅考虑了候选数据子块中数据内容之间的关联性,同时考虑了候选数据子块的可视化时长,为保证仿真数据的可视化准确性提供了数据支持。同时为提高仿真数据的可视化效率提供了技术支持。
在一个可选的实施例中,根据所述候选数据子块的时长特征信息和所述时序特征信息,确定候选数据子块的可视化优先级,包括:根据所述候选数据子块的时长特征信息,初步确定所述候选数据子块的可视化优先级;根据至少两个候选数据子块之间的时序特征信息对初步确定的可视化优先级进行调整,最终得到候选数据子块的可视化优先级。
其中,候选数据子块的时长特征信息,用于衡量对候选数据子块进行可视化处理所要消耗的时长。其中,可视化时长包括数据渲染时长和格式解码时长。考虑到在仿真数据可视化的过程中,首帧的渲染时长是影响用户观看体验的关键指标。可选的,按照时间延伸的方向,与目标仿真数据首部对应的候选数据子块的时长,往往短于与目标仿真数据其他部分对应的候选数据子块的时长。根据候选数据子块中的时长特征信息,可以与目标仿真数据首部对应的候选数据子块。不同候选数据子块的时长可能相同可能不同,示例性的,按照时间延伸方向可以将时长为32秒的目标仿真数据可以拆分得到时长分别为2秒、4秒、8秒、8秒、8秒和2秒的6个候选数据子块。与目标仿真数据首部和尾部对应的候选数据子块的时长均为2秒。仅根据候选数据子块的时长特征信息确定候选数据子块的可视化优先级,难以保证仿真数据的可视化准确性。
至少两个候选数据子块之间的时序特征信息,可以确定候选数据子块中数据内容之间的关联性。确定候选数据子块的可视化优先级还需要进一步参考至少两个候选数据子块之间的时序特征信息。
可选的,根据候选数据子块的时长特征信息,按照小时长在先大时长在后的原则,初步确定候选数据子块的可视化优先级。然后,根据候选数据子块的时序特征信息对初步确定的可视化优先级进行调整,以保证仿真数据的可视化准确性。
示例性的,按照时间延伸方向可以将时长为32秒的目标仿真数据可以拆分得到时长分别为2秒、4秒、8秒、8秒、8秒和2秒的6个候选数据子块。为了便于表述以A、B、C、D、E和F分别标识上述候选数据子块。按照小时长在先大时长在后的原则,初步确定上述候选数据子块的可视化优先级为1级、2级、3级、3级、3级和1级。也就是说,初步确定候选数据子块A和F为第一优先级,候选数据子块B为第二优先级,候选数据子块C、D和E为第三优先级。
由于候选数据子块中数据内容之间是存在关联的,在初步确定候选数据子块的可视化优先级之后,还需要根据候选数据子块之间的时序特征信息,对初步确定的可视化优先级进行调整。具体的,根据候数据子块之间的时序特征信息,确定候选数据子块在时序上的相对前后关系。根据时序上的相对前后关系,对初步确定的可视化优先级进行调整。可以知道的是,在时序上,候选数据子块B、C、D和E在候选数据子块F之前,因此,将候选数据子块F的可视化优先级调整到候选数据子块B、C、D和E的可视化优先级之下。对于时序上相对前后关系正确的候选数据子块,则仅需对其对应的可视化优先级进行适应性调整即可。调整后的,上述候选数据子块的可视化优先级为1级、2级、3级、3级、3级和4级。可见,在调整后,候选数据子块F的可视化优先级由初始的1级被调整为了4级。
进一步的,也可以根据候选数据子块之间的时序特征信息对具有相同可视化优先级的候选数据子块C、D和E的可视化顺序进行细化。
上述技术方案,通过先根据候选数据子块的时长特征信息,初步确定候选数据子块的可视化优先级;然后,再根据至少两个候选数据子块之间的时序特征信息对初步确定的可视化优先级进行调整,最终得到候选数据子块的可视化优先级,为确定候选数据子块的可视化优先级提供了一种切实可行的方法,有利于缩短目标仿真数据的首帧渲染时长,提高用户观看体验。同时为仿真数据的可视化准确性提供了保证。
图3是根据本公开实施例提供的另一种数据可视化方法的流程图,本实施例是在上述实施例的基础上提出的一种可选方案,具体的,提供了提供仿真数据的拆分方案。如图3所示,本实施例的数据可视化方法可以包括:
S301,根据基础拆分时长和目标仿真数据的时长特征信息,确定数据拆分比例;
在对目标仿真数据进行可视化处理之前,对目标仿真数据进行拆分。具体的,根据目标仿真数据的时长特征信息和基础拆分时长对目标仿真数据进行拆分。其中,基于目标仿真数据的时长特征信息,可以确定目标仿真数据整体的时长。
其中,基础拆分时长用于确定是否拆分仿真数据,以及仿真数据的数据拆分比例。可选的,基础拆分时长不唯一,具体的根据实际业务需求确定,在这里不做限定,示例性的,基础拆分时长可以是2秒。
可选的,根据目标仿真数据的时长特征信息,确定目标仿真数据整体的时长。确定目标仿真数据整体的时长与基础拆分时长之间的相对大小关系,确定目标仿真数据的数据拆分比例。示例性的,相对大小关系可以目标仿真数据整体的时长与基础拆分时长之间的时长倍数关系。
可选的,在目标仿真数据的整体的时长过长,具体的,目标仿真数据整体的时长超出基础拆分时长设定倍数如7倍的情况下,按照固定的数据拆分比例对目标仿真数据进行拆分,例如可以按照1:2:4:…:4的数据拆分比例对目标仿真数据进行拆分。省略的部分也为4。示例性的,对于整体的时长为32秒的目标仿真数据进行拆分,得到一号数据子块2秒,二号数据子块4秒,三号数据子块,四号数据子块和五号数据子块均为8秒,经过上述切分以后剩余的目标仿真数据不足8秒,直接将剩余数据内容确定为六号数据子块,六号数据子块的时长为剩余的2秒。
S302,根据所述数据拆分比例,确定所述目标仿真数据的数据拆分点位;
可选的,将基础拆分时长作为拆分单位,按照数据拆分比例确定目标仿真数据的数据拆分点位。数据拆分点位用于定位目标仿真数据的数据拆分位置。
示例性的,基础拆分时长为2秒。对于整体的时长小于2秒的目标仿真数据,不进行拆分;对于整体的时长超过2秒的目标仿真数据在进行拆分。示例性的,目标仿真数据的整体的时长为6秒,将其按照1比2的比例拆分,将其拆分2秒和4秒的候选数据子块,可以确定该目标仿真数据的数据拆分点位为2秒位置。
对于整体的时长为14秒的目标仿真数据,可以按照1比2比4的比例拆分,将其将其拆分2秒,4秒和8秒的候选数据子块。可以确定该目标仿真数据的数据拆分点位为2秒位置和4秒位置。
S303,基于所述数据拆分点位,对所述目标仿真数据进行拆分得到至少两个候选数据子块。
在数据拆分点位确定的情况下,基于数据拆分点位,对目标仿真数据进行拆分得到至少两个候选数据子块。
本公开技术方案,根据基础拆分时长和目标仿真数据的时长特征信息,确定数据拆分比例,根据数据拆分比例,确定目标仿真数据的数据拆分点位;基于数据拆分点位,对目标仿真数据进行拆分得到至少两个候选数据子块。提供了一种切实可行的仿真数据拆分方案,为以数据子块的粒度对目标仿真数据进行可视化处理提供了数据支持,有利于缩短目标仿真数据的首帧渲染时长,有利于提高仿真数据的可视化效率。
在一个可选的实施例中,所述对所述目标仿真数据进行拆分得到至少两个候选数据子块之后,还包括:基于所述数据拆分点位,从所述候选数据子块中确定互为相邻数据子块的第一数据子块和第二数据子块;将所述数据拆分点位为数据提取起点,从所述第一数据子块中提取预设时长范围的第一数据内容,并从所述第二数据子块中提取预设时长范围的第二数据内容;将所述第一数据内容和所述第二数据内容作为公共数据分别写入对方数据子块。
其中,一个数据拆分点位可以将目标仿真数据切分为两个候选数据子块。也就是说,每个数据拆分点位均关联有两个候选数据子块。与数据拆分点位关联的两个候选数据子块分别为第一数据子块和第二数据子块。第一数据子块和第二数据子块位置上相邻,内容上相关,二者互为相邻数据子块。
基于数据子块的粒度对目标数据子块进行可视化,需要逐一进行,也就是说,先对一个数据子块进行可视化处理,然后对另一数据子块进行可视化处理。为了保证不同数据子块衔接的顺畅性,保证仿真数据的可视化准确性,将数据拆分点位为数据提取起点,从第一数据子块中提取预设时长范围的第一数据内容,并从所述第二数据子块中提取预设时长范围的第二数据内容。
其中,预设时长范围用于确定公共数据的覆盖范围。预设时长范围根据实际业务需求确定,在这里不作限定,示例性的,预设时长范围为200毫秒。可以理解的是,预设时长范围小于任意候选数据子块的时长。
示例性的,数据拆分点位为2秒时刻,预设时长范围为0.2秒。第一数据子块对应于目标仿真数据0秒到2秒的数据内容;第二数据子块对应于目标仿真数据2秒到6秒的数据内容。第一数据内容则是从第一数据子块末尾向开头方向提取0.2秒的数据内容,对应于目标仿真数据1.8秒到2秒的数据内容。第二数据内容则是从第二数据子块开头向末尾方向提取0.2秒的数据内容,对应于目标仿真数据2秒到2.2秒的数据内容。
将第一数据内容和所述第二数据内容作为公共数据分别写入对方数据子块。具体的,将第一数据内容写入第二数据数字子块的开头,将第二数据内容写入第一数据子块的末尾。第一数据子块和第二数据子块存在公共数据。其中,公共数据是指第一数据子块和第二数据子块共同拥有的数据内容,是第一数据子块和第二数据子块存在关联性的数据内容。
上述技术方案,向互为相邻数据子块的第一数据子块和第二数据子块写入公共数据,在仿真数据的可视化过程中可以保证不同数据子块衔接的顺畅性,可以保证仿真数据的可视化准确性。
在一个可选的实施例,所述对所述目标仿真数据拆分之前,还包括:确定目标仿真任务的原始仿真数据,并提取所述原始仿真数据的主题描述信息;基于所述主题描述信息对所述原始仿真数据进行拆分,将得到的数据拆分结果作为目标仿真任务的候选仿真数据。
目标仿真任务的原始仿真数据尚未经过主题梳理。目标仿真任务的候选仿真数据覆盖至少两种仿真主题。目标仿真任务的原始仿真数据具有明确的仿真主题,提取原始仿真数据的主题描述信息。其中,主题描述信息用于描述对仿真数据对应的仿真主题。
可选的,基于主题描述信息确定的仿真主题对原始仿真数据进行拆分,将得到的数据拆分结果作为目标仿真任务的候选仿真数据。可选的,按照仿真主题的维度,对原始仿真数据进行主题梳理,得到目标仿真任务的候选仿真数据。
可选的,确定目标仿真任务的原始仿真数据份数,若是原始仿真数据大于1份,则对原始仿真数据进行合并处理,基于数据合并结果更新原始仿真数据。
上述技术方案,为能够按需选择需要进行可视化的仿真主题提供了数据支持,有利于提高数据可视化的灵活性,便于剔除与待可视化的目标仿真主题无关的候选仿真数据,仅对与目标仿真主题相匹配的目标仿真数据进行可视化,有利于提高仿真数据的可视化效率。
图4是根据本公开实施例提供的一种数据可视化装置的结构示意图。本公开实施例适用于在智能驾驶场景下,对自动驾驶仿真产生的仿真数据进行可视化的情况。该装置可以采用软件和/或硬件来实现,该装置可以实现本公开任意实施例所述的数据可视化方法。
如图4所示,该数据可视化装置400包括:
仿真数据获取模块401,用于获取待可视化的目标仿真数据;所述目标仿真数据预先拆分成至少两个候选数据子块;
数据子块选择模块402,用于从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与所述目标数据子块关联的关联数据子块;
数据可视化模块403,用于对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载。
本公开技术方案,通过将目标仿真数据拆分为至少两个候选数据子块,以数据子块的粒度对目标仿真数据进行可视化处理,可以缩短目标仿真数据的首帧渲染时长,缩短了用户的观看等待时长,有利于提高用户观看体验。本公开技术方案,通过从至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与目标数据子块关联的关联数据子块;对目标数据子块进行可视化,并同步对关联数据子块进行预加载,在可视化过程中实现了时间复用,能够提高仿真数据的可视化效率。
可选的,所述数据可视化模块403,具体用于对所述目标数据子块进行格式编码和渲染,并同步对所述关联数据子块进行格式解码。
可选的,所述目标数据子块与所述关联数据子块之间存在公共数据。
可选的,数据子块选择模块402,包括:特征获取子模块,用于获取所述候选数据子块的时长特征信息和至少两个候选数据子块之间的时序特征信息;可视化优先级确定子模块,用于根据所述候选数据子块的时长特征信息和所述时序特征信息,确定候选数据子块的可视化优先级;数据子块选择子模块,用于根据所述可视化优先级,从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,且将与所述目标数据子块相邻的下一数据子块作为与所述目标数据子块关联的关联数据子块。
可选的,可视化优先级确定子模块,包括:优先级初步确定单元,用于根据所述候选数据子块的时长特征信息,初步确定所述候选数据子块的可视化优先级;优先级调整单元,用于根据至少两个候选数据子块之间的时序特征信息对初步确定的可视化优先级进行调整,最终得到候选数据子块的可视化优先级。
可选的,所述仿真数据获取模块401,包括:候选仿真数据确定子模块,用于根据目标仿真任务的数据可视化请求,获取目标仿真任务的候选仿真数据;可视化主题确定子模块,用于从所述数据可视化请求中,提取待可视化的目标仿真主题;目标仿真数据确定子模块,用于基于候选仿真数据的主题描述信息,从所述候选仿真数据中确定与所述目标仿真主题相匹配的目标仿真数据。
可选的,所述装置还包括:仿真数据拆分模块,用于基于如下子模块对所述目标仿真数据拆分得到所述候选数据子块;拆分比例确定子模块,用于根据基础拆分时长和目标仿真数据的时长特征信息,确定数据拆分比例;拆分点位确定子模块,用于根据所述数据拆分比例,确定所述目标仿真数据的数据拆分点位;仿真数据拆分子模块,用于基于所述数据拆分点位,对所述目标仿真数据进行拆分得到至少两个候选数据子块。
可选的,所述装置还包括:仿真数据拆分模块确定模块,用于对所述目标仿真数据进行拆分得到至少两个候选数据子块之后,基于所述数据拆分点位,从所述候选数据子块中确定互为相邻数据子块的第一数据子块和第二数据子块;数据内容提取模块,用于将所述数据拆分点位为数据提取起点,从所述第一数据子块中提取预设时长范围的第一数据内容,并从所述第二数据子块中提取预设时长范围的第二数据内容;公共数据写入模块,用于将所述第一数据内容和所述第二数据内容作为公共数据分别写入对方数据子块。
可选的,所述装置还包括:主题描述信息提取模块,用于对所述目标仿真数据拆分之前,确定目标仿真任务的原始仿真数据,并提取所述原始仿真数据的主题描述信息;候选仿真数据确定模块,用于基于所述主题描述信息对所述原始仿真数据进行拆分,将得到的数据拆分结果作为目标仿真任务的候选仿真数据。
可选的,目标仿真数据通过自动驾驶仿真产生。
本公开实施例所提供的数据可视化装置可执行本公开任意实施例所提供的数据可视化方法,具备执行数据可视化方法相应的功能模块和有益效果。
本公开的技术方案中,所涉及的用户信息,语音控制指令的收集、存储、使用、加工、传输、提供和公开等,均符合相关法律法规的规定,且不违背公序良俗。
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。
图5示出了可以用来实施本公开的实施例的示例电子设备500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5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500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501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501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501执行上文所描述的各个方法和处理,例如数据可视化方法。例如,在一些实施例中,数据可视化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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的数据可视化方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据可视化方法。
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可视化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,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
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,本发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公开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 (23)
1.一种数据可视化方法,所述方法包括:
获取待可视化的目标仿真数据;所述目标仿真数据预先拆分成至少两个候选数据子块;
从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与所述目标数据子块关联的关联数据子块;
对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载。
2.根据权利要求1所述的方法,其中,所述对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载,包括:
对所述目标数据子块进行格式编码和渲染,并同步对所述关联数据子块进行格式解码。
3.根据权利要求1所述的方法,其中,所述目标数据子块与所述关联数据子块之间存在公共数据。
4.根据权利要求1所述的方法,其中,从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与所述目标数据子块关联的关联数据子块,包括:
获取所述候选数据子块的时长特征信息和至少两个候选数据子块之间的时序特征信息;
根据所述候选数据子块的时长特征信息和所述时序特征信息,确定候选数据子块的可视化优先级;
根据所述可视化优先级,从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,且将与所述目标数据子块相邻的下一数据子块作为与所述目标数据子块关联的关联数据子块。
5.根据权利要求4所述的方法,其中,根据所述候选数据子块的时长特征信息和所述时序特征信息,确定候选数据子块的可视化优先级,包括:
根据所述候选数据子块的时长特征信息,初步确定所述候选数据子块的可视化优先级;
根据至少两个候选数据子块之间的时序特征信息对初步确定的可视化优先级进行调整,最终得到候选数据子块的可视化优先级。
6.根据权利要求1所述的方法,其中,所述获取待可视化的目标仿真数据,包括:
根据目标仿真任务的数据可视化请求,获取目标仿真任务的候选仿真数据;
从所述数据可视化请求中,提取待可视化的目标仿真主题;
基于候选仿真数据的主题描述信息,从所述候选仿真数据中确定与所述目标仿真主题相匹配的目标仿真数据。
7.根据权利要求1所述的方法,其中,所述候选数据子块基于如下方式对所述目标仿真数据拆分得到:
根据基础拆分时长和目标仿真数据的时长特征信息,确定数据拆分比例;
根据所述数据拆分比例,确定所述目标仿真数据的数据拆分点位;
基于所述数据拆分点位,对所述目标仿真数据进行拆分得到至少两个候选数据子块。
8.根据权利要求7所述的方法,所述对所述目标仿真数据进行拆分得到至少两个候选数据子块之后,还包括:
基于所述数据拆分点位,从所述候选数据子块中确定互为相邻数据子块的第一数据子块和第二数据子块;
将所述数据拆分点位为数据提取起点,从所述第一数据子块中提取预设时长范围的第一数据内容,并从所述第二数据子块中提取预设时长范围的第二数据内容;
将所述第一数据内容和所述第二数据内容作为公共数据分别写入对方数据子块。
9.根据权利要求7所述的方法,所述对所述目标仿真数据拆分之前,还包括:
确定目标仿真任务的原始仿真数据,并提取所述原始仿真数据的主题描述信息;
基于所述主题描述信息对所述原始仿真数据进行拆分,将得到的数据拆分结果作为目标仿真任务的候选仿真数据。
10.根据权利要求1所述的方法,其中,目标仿真数据通过自动驾驶仿真产生。
11.一种数据可视化装置,所述装置包括:
仿真数据获取模块,用于获取待可视化的目标仿真数据;所述目标仿真数据预先拆分成至少两个候选数据子块;
数据子块选择模块,用于从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,以及与所述目标数据子块关联的关联数据子块;
数据可视化模块,用于对所述目标数据子块进行可视化,并同步对所述关联数据子块进行预加载。
12.根据权利要求11所述的装置,其中,所述数据可视化模块,具体用于对所述目标数据子块进行格式编码和渲染,并同步对所述关联数据子块进行格式解码。
13.根据权利要求11所述的装置,其中,所述目标数据子块与所述关联数据子块之间存在公共数据。
14.根据权利要求11所述的装置,其中,数据子块选择模块,包括:
特征获取子模块,用于获取所述候选数据子块的时长特征信息和至少两个候选数据子块之间的时序特征信息;
可视化优先级确定子模块,用于根据所述候选数据子块的时长特征信息和所述时序特征信息,确定候选数据子块的可视化优先级;
数据子块选择子模块,用于根据所述可视化优先级,从所述至少两个候选数据子块中选择当前待渲染的目标数据子块,且将与所述目标数据子块相邻的下一数据子块作为与所述目标数据子块关联的关联数据子块。
15.根据权利要求14所述的装置,其中,可视化优先级确定子模块,包括:
优先级初步确定单元,用于根据所述候选数据子块的时长特征信息,初步确定所述候选数据子块的可视化优先级;
优先级调整单元,用于根据至少两个候选数据子块之间的时序特征信息对初步确定的可视化优先级进行调整,最终得到候选数据子块的可视化优先级。
16.根据权利要求11所述的装置,其中,所述仿真数据获取模块,包括:
候选仿真数据确定子模块,用于根据目标仿真任务的数据可视化请求,获取目标仿真任务的候选仿真数据;
可视化主题确定子模块,用于从所述数据可视化请求中,提取待可视化的目标仿真主题;
目标仿真数据确定子模块,用于基于候选仿真数据的主题描述信息,从所述候选仿真数据中确定与所述目标仿真主题相匹配的目标仿真数据。
17.根据权利要求11所述的装置,其中,所述装置还包括:
仿真数据拆分模块,用于基于如下子模块对所述目标仿真数据拆分得到所述候选数据子块;
拆分比例确定子模块,用于根据基础拆分时长和目标仿真数据的时长特征信息,确定数据拆分比例;
拆分点位确定子模块,用于根据所述数据拆分比例,确定所述目标仿真数据的数据拆分点位;
仿真数据拆分子模块,用于基于所述数据拆分点位,对所述目标仿真数据进行拆分得到至少两个候选数据子块。
18.根据权利要求17所述的装置,所述装置还包括:
仿真数据拆分模块确定模块,用于对所述目标仿真数据进行拆分得到至少两个候选数据子块之后,基于所述数据拆分点位,从所述候选数据子块中确定互为相邻数据子块的第一数据子块和第二数据子块;
数据内容提取模块,用于将所述数据拆分点位为数据提取起点,从所述第一数据子块中提取预设时长范围的第一数据内容,并从所述第二数据子块中提取预设时长范围的第二数据内容;
公共数据写入模块,用于将所述第一数据内容和所述第二数据内容作为公共数据分别写入对方数据子块。
19.根据权利要求17所述的装置,所述装置还包括:
主题描述信息提取模块,用于对所述目标仿真数据拆分之前,确定目标仿真任务的原始仿真数据,并提取所述原始仿真数据的主题描述信息;
候选仿真数据确定模块,用于基于所述主题描述信息对所述原始仿真数据进行拆分,将得到的数据拆分结果作为目标仿真任务的候选仿真数据。
20.根据权利要求11所述的装置,其中,目标仿真数据通过自动驾驶仿真产生。
21.一种电子设备,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根据权利要求1-10中任一项所述的数据可视化方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-10中任一项所述的数据可视化方法。
23.一种计算机程序产品,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1-10中任一项所述的数据可视化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310805338.3A CN116860130A (zh) | 2023-06-30 | 2023-06-30 | 数据可视化方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310805338.3A CN116860130A (zh) | 2023-06-30 | 2023-06-30 | 数据可视化方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116860130A true CN116860130A (zh) | 2023-10-10 |
Family
ID=88222770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310805338.3A Pending CN116860130A (zh) | 2023-06-30 | 2023-06-30 | 数据可视化方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116860130A (zh) |
-
2023
- 2023-06-30 CN CN202310805338.3A patent/CN116860130A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112597754B (zh) | 文本纠错方法、装置、电子设备和可读存储介质 | |
CN112102448A (zh) | 虚拟对象图像显示方法、装置、电子设备和存储介质 | |
US10768947B2 (en) | Method for interface refresh synchronization,terminal device, and non-transitory computer-readable storage medium | |
KR20210156243A (ko) | 딥러닝 프레임워크의 훈련 방법, 장치 및 저장 매체 | |
CN114841315A (zh) | 混合专家模型实现方法、系统、电子设备及存储介质 | |
US20230195998A1 (en) | Sample generation method, model training method, trajectory recognition method, device, and medium | |
CN112861548A (zh) | 自然语言生成及模型的训练方法、装置、设备和存储介质 | |
CN114218890A (zh) | 页面渲染方法、装置、电子设备以及存储介质 | |
CN113627536A (zh) | 模型训练、视频分类方法,装置,设备以及存储介质 | |
CN113724398A (zh) | 增强现实方法、装置、设备以及存储介质 | |
CN113849758A (zh) | 网页指标的生成方法、装置、电子设备及存储介质 | |
CN113361574A (zh) | 数据处理模型的训练方法、装置、电子设备及存储介质 | |
CN113641804A (zh) | 预训练模型获取方法、装置、电子设备及存储介质 | |
CN114882333A (zh) | 数据处理模型的训练方法、装置、电子设备及存储介质 | |
CN112527235A (zh) | 语音播放方法、装置、设备以及存储介质 | |
CN115186738B (zh) | 模型训练方法、装置和存储介质 | |
CN116521088A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN114501084B (zh) | 播放器的起播方法、装置、设备和介质 | |
CN116860130A (zh) | 数据可视化方法、装置、电子设备及介质 | |
CN112100553B (zh) | 一种网页页面配置方法、装置、电子设备及存储介质 | |
CN114071192A (zh) | 信息获取方法、终端、服务器、电子设备以及存储介质 | |
CN113849164A (zh) | 数据处理方法、装置、电子设备和存储器 | |
CN114125324A (zh) | 一种视频拼接方法、装置、电子设备及存储介质 | |
CN114139605A (zh) | 分布式的模型训练方法、系统、设备以及存储介质 | |
CN114141236A (zh) | 语言模型更新方法、装置、电子设备及存储介质 |
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 |