障碍物感知错误数据的提取方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例公开了一种障碍物感知错误数据的提取方法、装置、设备及介质。该方法包括：获取车辆的路测数据集；所述路测数据集中包含用于感知障碍物的传感器数据、障碍物感知结果数据和人工驾驶行为数据；通过对所述障碍物感知结果数据和所述人工驾驶行为数据的对比分析，获得障碍物误识别和/或障碍物漏识别的实例数据；其中，实例数据包括传感器数据。上述技术方案通过对路测时车辆行驶过程中大量的障碍物漏识别和/或误识别等对应的实例数据的提取，为障碍物感知模型的再训练提供数据支撑，进而可以优化障碍物感知模型，提高障碍物识别的准确率和可靠性，减小无人驾驶车辆的安全隐患。

Extraction Method, Device, Equipment and Media of Obstacle Perception Error Data

The embodiment of the present invention discloses a method, device, device and medium for extracting obstacle perception error data. The method includes: acquiring vehicle road test data set; the road test data set includes sensor data for obstacle perception, obstacle perception result data and artificial driving behavior data; by comparing and analyzing the obstacle perception result data and the artificial driving behavior data, the example data of obstacle misidentification and/or obstacle omission recognition are obtained; The example data includes sensor data. By extracting a large number of case data of obstacle leak recognition and/or false recognition in the course of road measurement, the above technical scheme provides data support for the retraining of obstacle perception model, and then optimizes the obstacle perception model, improves the accuracy and reliability of obstacle recognition, and reduces the hidden danger of unmanned vehicles.

【技术实现步骤摘要】
障碍物感知错误数据的提取方法、装置、设备及介质
本专利技术实施例涉及无人驾驶
，尤其涉及一种障碍物感知错误数据的提取方法、装置、设备及介质。
技术介绍
在无人驾驶感知系统中，主要依靠摄像机输出的图像数据和激光雷达输出的点云数据、以及无线电雷达输出的数据进行障碍物的感知识别。现有技术在算法迭代开发阶段，通常通过人工驾驶的开环方式进行大量的数据采集和标准，用于进行障碍物感知模型训练，以便后续通过障碍物感知模型对障碍物进行识别和分类。然而，由于障碍物的种类繁多，导致诸如绿植枝叶、地面积水等非障碍物被误识别，和/或诸如交通锥、三角支架或者儿童行人等低矮障碍物被漏识别的情况时有发生，对无人驾驶车辆的行车安全带来隐患。
技术实现思路
本专利技术实施例提供了一种障碍物感知错误数据的提取方法、装置、设备及介质，以通过提取的障碍物感知错误数据为障碍物感知模型的再训练提供数据支撑，进而优化障碍物感知模型，提高障碍物识别准确率和可靠性，减小无人驾驶车辆的安全隐患。第一方面，本专利技术实施例提供了一种障碍物感知错误数据的提取方法，包括：获取车辆的路测数据集；所述路测数据集中包含用于感知障碍物的传感器数据、障碍物感知结果数据和人工驾驶行为数据；通过对所述障碍物感知结果数据和所述人工驾驶行为数据的对比分析，获得障碍物误识别和/或障碍物漏识别的实例数据；其中，实例数据包括传感器数据。第二方面，本专利技术实施例还提供了一种障碍物感知错误数据的提取装置，包括：路测数据集获取模块，用于获取车辆的路测数据集；所述路测数据集中包含用于感知障碍物的传感器数据、障碍物感知结果数据和人工驾驶行为数据；实例数据获得模块，用于通过对所述障碍物感知结果数据和所述人工驾驶行为数据的对比分析，获得障碍物误识别和/或障碍物漏识别的实例数据；其中，实例数据包括传感器数据。第三方面，本专利技术实施例还提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面实施例所提供的一种障碍物感知错误数据的提取方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所提供的一种障碍物感知错误数据的提取方法。本专利技术实施例获取车辆的用于感知障碍物的传感器数据、障碍物感知结果数据和人工驾驶行为数据；并通过对障碍物感知结果数据和人工驾驶行为数据的对比分析，获得障碍物误识别和/或漏识别的实例数据；其中实例数据包括传感器数据。上述技术方案通过对路测时车辆行驶过程中大量的障碍物漏识别和/或误识别等对应的实例数据的提取，为障碍物感知模型的再训练提供了数据支撑，进而可以优化障碍物感知模型，提高障碍物识别的准确率和可靠性，减小无人驾驶车辆的安全隐患。附图说明图1是本专利技术实施例一中的一种障碍物感知错误数据的提取方法的流程图；图2是本专利技术实施例二中的一种障碍物感知错误数据的提取方法的流程图；图3是本专利技术实施例三中的一种障碍物感知错误数据的提取装置的结构图；图4为本专利技术实施例四中的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1是本专利技术实施例一中的一种障碍物感知错误数据的提取方法的流程图。本专利技术实施例适用于在无人驾驶感知系统的算法迭代开发阶段，通过人工驾驶的开环方式进行障碍物感知模型的训练样本的采集的情况，该方法可以由障碍物感知错误数据的提取装置来执行，该装置由软件和/或硬件实现，并具体配置于无人驾驶车辆中。如图1所示的障碍物感知错误数据的提取方法，包括：S110、获取车辆的路测数据集；所述路测数据集中包含用于感知障碍物的传感器数据、障碍物感知结果数据和人工驾驶行为数据。其中，传感器数据包括车辆中摄像机输出的图像数据、车辆中激光雷达输出的点云数据、以及车辆中无线电雷达输出的数据。其中，车辆可以是无人驾驶车辆，或者还可以是设置有无人驾驶感知系统的其他车辆。其中，障碍物感知结果数据可以理解为车辆行驶过程中感知算法模块根据传感器所输出的传感器数据得到的感知结果，或者还可以是根据车辆行驶时产生的传感器数据，离线通过感知算法模块得到的感知结果，离线指的是，不用进行上车测试，在与车辆上相同的计算机硬件环境下，将已经采集好的传感器数据发给感知算法模块，感知算法模块会对应输出感知结果。其中，人工驾驶行为数据可以理解为表征人工驾驶行为的数据，例如可以是方向盘的转动角度、车辆制动装置的工作状态、车辆的启动状态和/或车辆运动参数等行为分析数据，还可以是驾驶员是否存在停车和/或是否存在绕路行驶的直观行为数据。其中，可以通过行为分析数据得到驾驶员人工驾驶时是否存在停车和/或绕路行驶的驾驶行为。其中，车辆运动参数包括：车辆运动速度、角速度和/或加速度。示例性地，在车辆行驶过程中进行传感器数据和人工驾驶行为数据的实时采集并存储，以及进行障碍物实时感知得到的障碍物感知结果数据的实时存储；相应的，可以在传感器数据、障碍物感知结果数据和人工驾驶行为数据实时存储时，将上述各数据同步传输至障碍物感知错误数据的提取装置中，并将各传感器数据、各障碍物感知结果数据和各人工驾驶行为数据按照数据产生时刻对应存储得到路测数据集。当然，还可以在车辆行驶过程结束之后，通过技术人员的人工触发，调取行驶过程中存储的各传感器数据、各障碍物感知结果数据和各人工驾驶行为数据，并按照数据产生时刻对应存储得到路测数据集。S120、通过对所述障碍物感知结果数据和所述人工驾驶行为数据的对比分析，获得障碍物误识别和/或障碍物漏识别的实例数据；其中，实例数据包括传感器数据。具体的，通过对所述感知结果数据和所述人工驾驶行为数据的对比分析，获得障碍物误识别的实例数据，包括：对于每条障碍物感知结果数据，若该障碍物感知结果数据为感知到障碍物，则根据所述人工驾驶行为数据确定感知到障碍物的时刻所对应的人工驾驶行为，判断该人工驾驶行为是否为预设人工驾驶行为；若不是，则确定该障碍物感知结果数据对应的传感器数据为障碍物误识别的实例数据；其中，所述预设人工驾驶行为包括：停车和绕路行驶。示例性地，当人工驾驶行为数据包括方向盘的转动角度时，若转动角度满足设定的转动角度转弯阈值，则表明驾驶员存在绕路行驶的驾驶行为；当人工驾驶行为数据包括车辆制动装置的工作状态时，若车辆制动装置的工作状态为非闲置状态，则表明驾驶员存在停车的驾驶行为；当人工驾驶行为数据包括车辆启动状态时，若在第一预设时间段内车辆的状态为“启动-非启动-启动”，则表明驾驶员存在停车的驾驶行为；当人工驾驶行为数据包括车辆运动速度时，若在第二预设时间段内车辆运行速度减小幅度大于较大运动速度的预设百分比，则表明驾驶员存在停车的驾驶行为；当人工驾驶行为数据包括车辆运动角速度时，若在第三预设时间段内车辆运行角速度的差值大于设定的角速度转弯阈值，则表明驾驶员存在绕路行驶的驾驶行为；当人工驾驶行为数据包括车辆运动加速度时，若在第四预设时间段内车辆运行加速度持续小于零，则表明驾驶员存在停车的本文档来自技高网...

【技术保护点】
1.一种障碍物感知错误数据的提取方法，其特征在于，包括：获取车辆的路测数据集；所述路测数据集中包含用于感知障碍物的传感器数据、障碍物感知结果数据和人工驾驶行为数据；通过对所述障碍物感知结果数据和所述人工驾驶行为数据的对比分析，获得障碍物误识别和/或障碍物漏识别的实例数据；其中，实例数据包括传感器数据。

【技术特征摘要】
1.一种障碍物感知错误数据的提取方法，其特征在于，包括：获取车辆的路测数据集；所述路测数据集中包含用于感知障碍物的传感器数据、障碍物感知结果数据和人工驾驶行为数据；通过对所述障碍物感知结果数据和所述人工驾驶行为数据的对比分析，获得障碍物误识别和/或障碍物漏识别的实例数据；其中，实例数据包括传感器数据。2.根据权利要求1所述的方法，其特征在于，所述通过对所述感知结果数据和所述人工驾驶行为数据的对比分析，获得障碍物误识别的实例数据，包括：对于每条障碍物感知结果数据，若该障碍物感知结果数据为感知到障碍物，则根据所述人工驾驶行为数据确定感知到障碍物的时刻所对应的人工驾驶行为，判断该人工驾驶行为是否为预设人工驾驶行为；若不是，则确定该障碍物感知结果数据对应的传感器数据为障碍物误识别的实例数据。3.根据权利要求1所述的方法，其特征在于，所述通过对所述感知结果数据和所述人工驾驶行为数据的对比分析，获得障碍物漏识别的实例数据，包括：对于所述人工驾驶行为数据中的预设人工驾驶行为，根据所述障碍物感知结果数据确定产生该预设人工驾驶行为的时刻所对应的障碍物感知结果数据，判断该障碍物感知结果数据是否为感知到障碍物，若不是，则确定该障碍物感知结果数据对应的传感器数据为障碍物漏识别的实例数据。4.根据权利要求2或3所述的方法，其特征在于，所述预设人工驾驶行为包括：停车和绕路行驶。5.根据权利要求3所述的方法，其特征在于，在获得障碍物漏识别的实例数据之后，还包括：结合路网数据和定位数据，对障碍物漏识别的实例数据进...

【专利技术属性】
技术研发人员：费雯凯，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11