[發明專利]自動駕駛數據的標注方法、云端控制平臺及存儲介質

在審

• 申請號: 202010009227.8
• 申請日: 2020-01-03
• 公開（公告）號: CN111178454A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 孫學龍;陳新;郭麗麗;肖倩文
• 申請（專利權）人: 北京汽車集團有限公司;北京汽車研究總院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06Q50/30
• 代理公司: 北京超成律師事務所 11646
• 代理人: 王文紅

本申請公開了一種自動駕駛數據的標注方法、云端控制平臺及存儲介質；其中，該自動駕駛數據的標注方法包括：根據自動駕駛數據的數據來源將所述自動駕駛數據劃分為至少一個數據子集和感知數據集，以分類存儲所述感知數據集和所述至少一個數據子集；然后對所述感知數據集進行數據標注，以使得根據數據標注結果構建與場景相關的感知數據集；將所述與場景相關的感知數據集與所述至少一個數據子集進行融合并生成標注數據集。本申請實現了對自動駕駛數據的自動標注，為自動駕駛車輛的測試公開了數據基礎，以利用相關數據分析駕駛場景，如根據感知數據判斷當前自動駕駛車輛是否正常行駛。

技術領域

本申請涉及數據標注技術領域，具體而言，涉及一種自動駕駛數據的標注方法、云端控制平臺及存儲介質。

背景技術

現有智能網聯云平臺會采集大量自動駕駛車輛的車輛狀態、車輛位置、車輛駕駛、駕駛路況等數據，目前這些數據通常僅被用于車輛監控方面而難以被使用在自動駕駛車輛的測試中，例如，難以被用于確定自動駕駛車輛是否正常行駛。

發明內容

本申請實施例的目的在于公開一種自動駕駛數據的標注方法、云端控制平臺及存儲介，用以將采集到的大量自動駕駛數據進行數據標注，從而為自動駕駛車輛的測試公開數據基礎的技術效果。

為了解決上述技術問題，本申請采用了如下技術方案：

本申請第一方面公開了一種自動駕駛數據的標注方法，該方法應用于云端控制平臺中，該方法包括：

根據自動駕駛數據的數據來源將自動駕駛數據劃分為至少一個數據子集和感知數據集，以分類存儲感知數據集和至少一個數據子集；

對感知數據集進行數據標注，以使得根據數據標注結果構建與場景相關的感知數據集；

將與場景相關的感知數據集與至少一個數據子集進行融合并生成標注數據集。

在一些可選的實施方式中，將與場景相關的感知數據集與至少一個數據子集進行融合并生成標注數據集之后，自動駕駛數據的標注方法還包括：

按照預設神經網絡模型對標注數據集進行機器學習和訓練，生成自動駕駛場景數據庫。

在一些可選的實施方式中，對感知數據集進行數據標注之前，方法還包括：

按照預設校驗規則校驗感知數據集，以生成校驗后的感知數據集；

按照預設位置序列化規則對校驗后的感知數據集進行序列化處理。

在一些可選的實施方式中，按照預設校驗規則校驗感知數據集，包括：

對感知數據集進行數據一致性校驗、數據完整性校驗、數據有效性校驗、數據重復性校驗中的至少一項。

在一些可選的實施方式中，按照預設位置序列化規則對校驗后的感知數據集進行序列化處理，包括：

按照地理坐標與時間軸的對應關系生成主線軸；

根據位置和時間關系將校驗后的感知數據集對應在主線軸上。

在一些可選的實施方式中，對感知數據集進行數據標注，包括：

對感知數據集進行目標識別，以得到至少一個數據標簽；

根據至少一個數據標簽對感知數據集進行數據標注。

在一些可選的實施方式中，將與場景相關的感知數據集與至少一個數據子集進行融合并生成標注數據集之前，自動駕駛數據的標注還包括：

將至少一個數據子集標注為異常數據集和正常數據集中一種。

在一些可選的實施方式中，將與場景相關的感知數據集與至少一個數據子集進行融合并生成標注數據集之后，自動駕駛數據的標注方法還包括：