[發明專利]自動駕駛數據篩選方法、系統、電子設備和存儲介質

在審

• 申請號: 202310527851.0
• 申請日: 2023-05-11
• 公開（公告）號: CN116524210A
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 王爾辛
• 申請（專利權）人: 重慶長安汽車股份有限公司
• 主分類號: G06V10/72
• 分類號: G06V10/72;G06V20/70;G06V20/56;G06V20/58;G06N5/04
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 霍健蘭

本發明涉及數據篩選技術領域，尤其涉及自動駕駛數據篩選方法、系統、電子設備和存儲介質，自動駕駛數據篩選方法包括：接收原始數據，將原始數據進行存儲，并通過深度學習模型對原始數據進行推理獲得元數據；將元數據作為邏輯數據篩選器的輸入進行篩選，篩選后輸出為保留元數據的索引，所述保留元數據為通過邏輯篩選器篩選出需要保留的元數據；生成待標注數據子集；對外分發進行人工標注，審核質檢，入庫。本發明旨在降低標注成本和提高標注數據的質量，還能夠加快深度學習模型的性能迭代和對于特定場景的泛化性能。

技術領域

本發明涉及數據篩選技術領域，尤其涉及自動駕駛數據篩選方法、系統、電子設備和存儲介質。

背景技術

自動駕駛的感知系統高度依賴于深度學習模型，比如車道線檢測、車輛行人檢測、可行駛區域檢測等，其對于標注數據的需求是巨大的。深度學習由于不需要人為設計特征器而強依賴于數據因而比起傳統的算法有著更好的魯棒性，在分類、目標檢測、分割等計算機視覺以及點云領域達到了SOTA的性能。然而，現階段的深度學習廣泛依賴于監督學習，其意味著需要使用大量的監督數據，以達到自動識別的對于場景的覆蓋性和泛化性能。因此，感知系統對于優質的標注數據量有著高度的需求。

車端采集的數據服務于感知各個模塊的訓練。對于模型訓練，需要百萬級數據量以保證模型訓練的有效性。數據篩選用于對采集回傳數據進行數據分析，例如剔除重復不重要的數據，增加對提高精度有利的數據，自動化將原始數據處理篩選成模型需要的數據再送至人工標注員進行數據標注。

當前的數據抽樣送標是對于每個工程按人為設定的固定比例進行抽取，這種方式是比較不合理的。因為對于不同場景，例如高速/高架、城市道路、鄉村等需要的采樣率是不同的。對于同一場景的不同路段，比如空曠、車流密集、十字路口等所獲得的信息密度是不同的。一個簡單的例子是紅綠燈路口會采集到大量重復的數據，但是考慮到橫向車流，又不可一概認為此場景都是重復數據；對于高速/高架采集的數據，由于車速較快，場景變化快速，需要適時提高采樣頻率，又不可一概認為此場景的數據重復率低。所以傳統的抽幀無法根據場景的變化來得到合適的采樣頻率以及非冗余的采樣數據。

因此，抽幀頻率靜態的抽幀服務可能會帶來大量的重復數據對于訓練損失會有偏重，在不明確哪些數據重復的情況下，會對訓練的效率和性能有比較大的影響。對此帶來的問題便是標注成本上的浪費，同樣的訓練效果會因為相同或近似數據的重復標注帶來成本的上升。另外，對于已經訓練好的模型，也許對于簡單場景性能良好，但是在實際場景中可能有很多更復雜場景，比如夜間虛線的車道線場景中、夜間光線比較弱，那么識別這些車道線其實是很難的，即使去做標注也很難去準確地把車道線給標出來。特別是有時候一輛大車會完全擋住所有的視線，這對車道線的算法會帶來很大的挑戰。如果數據端不對數據進行分析，暴力地以所有數據作為訓練輸入，同樣會對預測效果帶來偏移。

發明內容

有鑒于此，本發明的目的是提供自動駕駛數據篩選方法、系統、電子設備和存儲介質，旨在降低標注成本和提高標注數據的質量，還能夠加快深度學習模型的性能迭代和對于特定場景的泛化性能。

本發明通過以下技術手段解決上述技術問題：

第一方面，本發明公開了一種自動駕駛數據篩選方法，包括以下步驟：

接收原始數據，將所述原始數據進行存儲，并通過深度學習模型對原始數據進行推理獲得元數據；

將元數據作為邏輯數據篩選器的輸入進行篩選，篩選后輸出為保留元數據的索引，所述保留元數據為通過邏輯篩選器篩選出需要保留的元數據；

生成待標注數據子集；

對外分發進行人工標注，審核質檢。

結合第一方面，在一些可選的實施方式中，所述將原始數據進行存儲，包括以下步驟：

制定標注計劃，并將標注計劃下發分配，以便獲取原始數據；