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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。