[發(fā)明專利]數(shù)據(jù)處理方法、裝置、設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210705168.7
• 申請日: 2022-06-21
• 公開（公告）號: CN114926724A
• 公開（公告）日: 2022-08-19
• 發(fā)明（設計）人: 莫國龍;顧瑞紅;張兆偉;周偉
• 申請（專利權(quán)）人: 億咖通（湖北）技術(shù)有限公司
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/774;G06V10/44;G06T5/00;G06T7/246
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 蔡維華;臧建明

1.一種數(shù)據(jù)處理方法，其特征在于，包括：

通過無人機采集可用視頻數(shù)據(jù)，所述可用視頻數(shù)據(jù)中包含有行駛車輛的圖像；

根據(jù)所述可用視頻數(shù)據(jù)得到所述行駛車輛的標準軌跡數(shù)據(jù)，并根據(jù)所述行駛車輛的標準軌跡數(shù)據(jù)獲得所述行駛車輛的行駛特征數(shù)據(jù)；

根據(jù)所述行駛車輛的行駛特征數(shù)據(jù)對初始駕駛場景分類模型進行訓練得到目標駕駛場景分類模型。

2.根據(jù)權(quán)利要求1所述的數(shù)據(jù)處理方法，其特征在于，在得到所述目標駕駛場景分類模型后，所述方法，還包括：

利用目標駕駛場景分類模型對目標車輛的駕駛數(shù)據(jù)進行分類，分類出的駕駛場景用于仿真平臺進行自動駕駛模擬的仿真。

3.根據(jù)權(quán)利要求2所述的數(shù)據(jù)處理方法，其特征在于，所述通過無人機采集可用視頻數(shù)據(jù)，包括：

利用所述無人機獲取目標道路區(qū)域預設高度范圍內(nèi)的原始視頻數(shù)據(jù)；

對所述原始視頻數(shù)據(jù)進行視頻內(nèi)容篩選，以將包含有所述行駛車輛的圖像的原始視頻數(shù)據(jù)確定為所述可用視頻數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的數(shù)據(jù)處理方法，其特征在于，所述根據(jù)所述可用視頻數(shù)據(jù)得到所述行駛車輛的標準軌跡數(shù)據(jù)，包括：

對所述可用視頻數(shù)據(jù)進行圖像抖動修復處理，得到標準圖像數(shù)據(jù)；

對所述標準圖像數(shù)據(jù)進行車輛提取及軌跡跟蹤處理，得到所述行駛車輛的軌跡數(shù)據(jù)、

對所述行駛車輛的軌跡數(shù)據(jù)進行坐標轉(zhuǎn)換，得到所述行駛車輛的標準軌跡數(shù)據(jù)，所述坐標轉(zhuǎn)換用于所述無人機的相對坐標系與大地坐標系之間的數(shù)據(jù)轉(zhuǎn)化。

5.根據(jù)權(quán)利要求4所述的數(shù)據(jù)處理方法，其特征在于，所述對所述可用視頻數(shù)據(jù)進行圖像抖動修復處理，得到標準圖像數(shù)據(jù)，包括：

根據(jù)所述無人機的定位信息對所述可用視頻數(shù)據(jù)進行所述無人機的標準定位點轉(zhuǎn)換，所述標準定位點轉(zhuǎn)換用于將采集所述可用視頻數(shù)據(jù)時的參照采集點轉(zhuǎn)換為標準采集點，以對所述可用視頻數(shù)據(jù)實現(xiàn)所述圖像抖動修復處理；

將轉(zhuǎn)換為所述標準采集點后的可用視頻數(shù)據(jù)確定為所述標準圖像數(shù)據(jù)。

6.根據(jù)權(quán)利要求5所述的數(shù)據(jù)處理方法，其特征在于，所述對所述行駛車輛軌跡數(shù)據(jù)進行坐標轉(zhuǎn)換，得到所述行駛車輛的標準軌跡數(shù)據(jù)，包括：

根據(jù)所述無人機的定位信息和所述目標道路區(qū)域中關(guān)鍵點坐標信息對第一坐標矩陣數(shù)據(jù)進行所述坐標轉(zhuǎn)換，得到大地坐標系中的第二坐標矩陣數(shù)據(jù)，所述第一坐標矩陣數(shù)據(jù)用于在所述無人機的相對坐標系中表征所述行駛車輛的軌跡數(shù)據(jù)；

將所述第二坐標矩陣數(shù)據(jù)表征的所述行駛車輛的軌跡數(shù)據(jù)確定為所述行駛車輛的標準軌跡數(shù)據(jù)。

7.根據(jù)權(quán)利要求6所述的數(shù)據(jù)處理方法，其特征在于，所述根據(jù)所述行駛車輛的標準軌跡數(shù)據(jù)獲得所述行駛車輛的行駛特征數(shù)據(jù)，包括：

根據(jù)所述行駛車輛的標準軌跡數(shù)據(jù)獲取每個行駛車輛在當前軌跡點的特征數(shù)據(jù)，并對所述特征數(shù)據(jù)進行結(jié)構(gòu)化，得到所述行駛車輛的行駛特征數(shù)據(jù)；

其中，所述行駛車輛的行駛特征數(shù)據(jù)包括所述每個行駛車輛的速度、加速度、轉(zhuǎn)向角、車輛編號以及車輛尺寸。

8.根據(jù)權(quán)利要求1-7任一項所述的數(shù)據(jù)處理方法，其特征在于，所述根據(jù)所述行駛車輛的行駛特征數(shù)據(jù)對初始駕駛場景分類模型進行訓練得到目標駕駛場景分類模型，包括：

根據(jù)所述行駛車輛的行駛特征數(shù)據(jù)和多個分類駕駛場景對所述初始駕駛場景分類模型進行訓練得到中間駕駛場景分類模型，所述多個分類駕駛場景包括直行駕駛場景、轉(zhuǎn)彎駕駛場景、變道駕駛場景、超車駕駛場景、跟車駕駛場景、避讓駕駛場景以及第一危險駕駛場景；

根據(jù)第二危險駕駛場景以及所述第二危險駕駛場景中事故車輛的行駛特征數(shù)據(jù)對所述中間駕駛場景分類模型進行訓練得到所述目標駕駛場景分類模型。