用于对驾驶场景数据进行分类的方法、装置、设备和介质制造方法及图纸

本公开的实施例提供了用于对驾驶场景数据进行分类的方法、装置、设备和计算机可读存储介质。一种用于确定驾驶场景分类模型的方法包括从众包平台获取第一驾驶场景数据集。第一驾驶场景数据集中的驾驶场景数据已被分类。该方法还包括至少基于第一驾驶场景数据集来生成驾驶场景分类模型，以用于对由采集实体采集的驾驶场景数据进行分类。该方法还包括获取用于对驾驶场景数据进行分类的规则。该规则基于利用驾驶场景分类模型对由采集实体采集的驾驶场景数据进行分类的结果而被生成。此外，该方法还包括至少基于该规则来更新驾驶场景分类模型。以此方式，本公开的实施例能够有效挖掘驾驶场景数据中存在的丰富信息，从而实现对驾驶场景数据的准确分类。

Methods, devices, equipment and media for classification of driving scene data

Embodiments of the present disclosure provide methods, devices, devices and computer-readable storage media for classifying driving scene data. A method for determining the classification model of driving scenarios includes acquiring the first driving scenario data set from crowdsourcing platform. The driving scene data in the first driving scene data set has been classified. The method also includes generating a driving scene classification model based on at least the first driving scene data set to classify the driving scene data collected by the acquisition entity. The method also includes acquiring rules for classification of driving scene data. The rule is generated based on the classification results of driving scene data collected by collecting entities using the driving scene classification model. In addition, the method also includes updating the classification model of driving scenes based on the rule at least. In this way, embodiments of the present disclosure can effectively mine abundant information existing in driving scene data, thereby realizing accurate classification of driving scene data.

【技术实现步骤摘要】
用于对驾驶场景数据进行分类的方法、装置、设备和介质
本公开的实施例总体涉及数据处理领域，并且更具体地，涉及用于对驾驶场景数据进行分类的方法、装置、设备和计算机可读存储介质。
技术介绍
自动驾驶仿真技术是指在软件中模拟真实驾驶环境，通过使得承载自动驾驶算法的交通工具与模拟驾驶环境进行交互来评估自动驾驶算法的性能。为了能够实现对自动驾驶算法性能的全面评估，模拟驾驶环境应当尽可能地覆盖实际驾驶过程中的各种场景。通常可以利用诸如采集车之类的采集实体来采集驾驶场景数据。所采集的驾驶场景数据可以被提供给自动驾驶仿真系统，以用于模拟真实驾驶环境。由于采集实体所采集的驾驶场景数据通常是海量的，因此在向自动驾驶仿真系统提供这些数据之前期望对所采集的驾驶场景数据进行分类，以使得所提供的驾驶场景数据能够覆盖实际驾驶过程中的各种场景，或者能够向自动驾驶仿真系统提供某一类特定驾驶场景。
技术实现思路
根据本公开的示例实施例，提供了用于对驾驶场景数据进行分类的方案。在本公开的第一方面中，提供了一种用于确定驾驶场景分类模型的方法。该方法包括从众包平台获取第一驾驶场景数据集。第一驾驶场景数据集中的驾驶场景数据已被分类。该方法还包括至少基于第一驾驶场景数据集来生成驾驶场景分类模型，以用于对由采集实体采集的驾驶场景数据进行分类。该方法还包括获取用于对驾驶场景数据进行分类的规则。该规则基于利用驾驶场景分类模型对由采集实体采集的驾驶场景数据进行分类的结果而被生成。此外，该方法还包括至少基于该规则来更新驾驶场景分类模型。在本公开的第二方面中，提供了一种用于对驾驶场景数据进行分类的方法。该方法包括获取由采集实体采集的第一驾驶场景数据。该方法还包括利用驾驶场景分类模型来对第一驾驶场景数据进行分类。该驾驶分类模型是基于来自众包平台的第一驾驶场景数据集而生成的。此外，该方法还包括向用户提供对第一驾驶场景数据进行分类的结果，使得用户基于该结果来生成用于对驾驶场景数据进行分类的规则，其中该规则至少被用于更新驾驶场景分类模型。在本公开的第三方面中，提供了一种用于确定驾驶场景分类模型的装置。该装置包括：数据获取模块，被配置为从众包平台获取第一驾驶场景数据集，第一驾驶场景数据集中的驾驶场景数据已被分类；模型生成模块，被配置为至少基于第一驾驶场景数据集来生成驾驶场景分类模型，以用于对由采集实体采集的驾驶场景数据进行分类；规则获取模块，被配置为获取用于对驾驶场景数据进行分类的规则，该规则基于利用驾驶场景分类模型对由采集实体采集的驾驶场景数据进行分类的结果而被生成；以及模型更新模块，被配置为至少基于该规则来更新驾驶场景分类模型。在本公开的第四方面中，提供了一种用于对驾驶场景数据进行分类的装置。该装置包括：第一场景获取模块，被配置为获取由采集实体采集的第一驾驶场景数据；第一场景分类模块，被配置为利用驾驶场景分类模型来对第一驾驶场景数据进行分类，该驾驶分类模型是基于来自众包平台的第一驾驶场景数据集而生成的；以及结果提供模块，被配置为向用户提供对第一驾驶场景数据进行分类的结果，使得用户基于该结果来生成用于对驾驶场景数据进行分类的规则，其中该规则至少被用于更新驾驶场景分类模型。在本公开的第五方面中，提供了一种电子设备，包括一个或多个处理器和存储装置。存储装置用于存储一个或多个程序。当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行根据本公开的第一方面的方法。在本公开的第六方面中，提供了一种电子设备，包括一个或多个处理器和存储装置。存储装置用于存储一个或多个程序。当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行根据本公开的第二方面的方法。在本公开的第七方面中，提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序在被处理器执行时实现根据本公开的第一方面的方法。在本公开的第八方面中，提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序在被处理器执行时实现根据本公开的第二方面的方法。应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。附图说明结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：图1示出了本公开的实施例能够在其中实现的示例环境的示意图；图2示出了根据本公开的实施例的用于确定驾驶场景分类模型的示例方法的流程图；图3示出了根据本公开的实施例的用于生成驾驶场景分类模型的示例方法的流程图；图4示出了根据本公开的实施例的用于对驾驶场景数据进行分类的示例规则的示意图；图5示出了根据本公开的实施例的用于更新驾驶场景分类模型的示例方法的流程图；图6示出了根据本公开的实施例的用于对驾驶场景数据进行分类的示例方法的流程图；图7示出了根据本公开的实施例的用于对驾驶场景数据进行分类的示例方法的流程图；图8示出了根据本公开实施例的用于确定驾驶场景分类模型的装置的示意性框图；图9示出了根据本公开实施例的用于对驾驶场景数据进行分类的装置的示意性框图；以及图10示出了能够实施本公开的多个实施例的计算设备的框图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。如以上提及的，期望对由采集实体采集的驾驶场景数据进行分类，从而能够向自动驾驶仿真系统提供能够覆盖实际驾驶过程中的各种场景的驾驶场景数据，或者能够向自动驾驶仿真系统提供某一类特定驾驶场景。在一些传统方案中，可以从驾驶行为、地理元素等维度来对场景数据进行简单的分类，然而这种分类通常不够精细。例如，当场景数据中包括多个维度的信息时，这种方案通常难以实现对场景数据的准确分类。在另一些传统方案中，可以利用机器学习方法来训练场景分类模型，以实现对场景数据的分类。然而，由于难以提供完备的训练样本，场景类别的总体分布将随着训练样本数量的增加而不断变化，从而导致所训练的模型的泛化性能较差(例如，在训练样本上表现良好，但是在实际应用中表现较差)。根据本公开的实施例，提出了一种用于对驾驶场景数据进行分类的方案。该方案涉及通过众包平台来对场景数据的类别进行标注，并且从中选择具有代表性地场景数据作为训练场景分类模型的训练样本。该方案还涉及利用所训练的场景分类模型来对由采集实体采集的场景数据进行分类，并且将分类的结果提供给用户，使得用户能够基于分类结果来创建用于对场景数据进行分类的规则。所创建的规则转而被应用于众包平台，以提高训练样本的标注质量。此外，所创建的规则还将被应用于模型训练过本文档来自技高网...

【技术保护点】
1.一种用于确定驾驶场景分类模型的方法，包括：从众包平台获取第一驾驶场景数据集，所述第一驾驶场景数据集中的驾驶场景数据已被分类；至少基于所述第一驾驶场景数据集来生成驾驶场景分类模型，以用于对由采集实体采集的驾驶场景数据进行分类；获取用于对驾驶场景数据进行分类的规则，所述规则基于利用所述驾驶场景分类模型对由所述采集实体采集的驾驶场景数据进行分类的结果而被生成；以及至少基于所述规则来更新所述驾驶场景分类模型。

【技术特征摘要】
1.一种用于确定驾驶场景分类模型的方法，包括：从众包平台获取第一驾驶场景数据集，所述第一驾驶场景数据集中的驾驶场景数据已被分类；至少基于所述第一驾驶场景数据集来生成驾驶场景分类模型，以用于对由采集实体采集的驾驶场景数据进行分类；获取用于对驾驶场景数据进行分类的规则，所述规则基于利用所述驾驶场景分类模型对由所述采集实体采集的驾驶场景数据进行分类的结果而被生成；以及至少基于所述规则来更新所述驾驶场景分类模型。2.根据权利要求1所述的方法，其中所述第一驾驶场景数据集中的驾驶场景数据被分类为以下至少一项：与地理元素有关的第一类别；与交通信号有关的第二类别；以及与驾驶行为有关的第三类别。3.根据权利要求1所述的方法，其中由所述采集实体采集的驾驶场景数据包括以下至少一项：与道路有关的信息；与交通信号有关的信息；与所述采集实体的行为有关的信息；以及由所述采集实体上安装的传感器采集的信息。4.根据权利要求1所述的方法，其中生成所述驾驶场景分类模型包括：确定用于训练所述驾驶场景分类模型的第一目标函数；以及基于所述第一目标函数和所述第一驾驶场景数据集，利用机器学习方法来训练所述驾驶场景分类模型。5.根据权利要求4所述的方法，其中更新所述驾驶场景分类模型包括：从所述众包平台获取第二驾驶场景数据集，所述第二驾驶场景数据集中的驾驶场景数据已被分类；基于所述第一目标函数和所述规则来确定用于训练所述驾驶场景分类模型的第二目标函数；以及基于所述第二目标函数和所述第二驾驶场景数据集，利用机器学习方法来更新所述驾驶场景分类模型。6.根据权利要求5所述的方法，其中所述第二驾驶场景数据集中的驾驶场景数据至少基于所述规则而在所述众包平台处被分类。7.一种用于对驾驶场景数据进行分类的方法，包括：获取由采集实体采集的第一驾驶场景数据；利用驾驶场景分类模型来对所述第一驾驶场景数据进行分类，所述驾驶分类模型是基于来自众包平台的第一驾驶场景数据集而生成的；以及向用户提供对所述第一驾驶场景数据进行分类的结果，使得所述用户基于所述结果来生成用于对驾驶场景数据进行分类的规则，其中所述规则至少被用于更新所述驾驶场景分类模型。8.根据权利要求7所述的方法，其中所述第一驾驶场景数据包括以下至少一项：与道路有关的信息；与交通信号有关的信息；与所述采集实体的行为有关的信息；以及由所述采集实体上安装的传感器采集的信息。9.根据权利要求7所述的方法，其中所述驾驶场景数据集中的驾驶场景数据被分类为以下至少一项：与地理元素有关的第一类别；与交通信号有关的第二类别；以及与驾驶行为有关的第三类别。10.根据权利要求7所述的方法，还包括：获取由所述采集实体采集的第二驾驶场景数据；以及利用至少基于所述规则而被更新的所述驾驶场景分类模型来对所述第二驾驶场景数据进行分类。11.根据权利要求10所述的方法，其中所述驾驶场景分类模型基于来自所述众包平台的第二驾驶场景数据集和所述规则而被更新。12.根据权利要求11所述的方法，其中所述第二驾驶场景数据集中的驾驶场景数据至少基于所述规则而在所述众包平台处被分类。13.根据权利要求10所述的方法，其中经分类的所述第一驾驶场景数据和经分类的所述第二驾驶场景数据中的至少一项被用于训练交通工具。14.一种用于确定驾驶场景分类模型的装置，包括：数据获取模块，被配置为从众包平台获取第一驾驶场景数据集，所述第一驾驶场景数据集中的驾驶场景数据已被分类；模型生成模块，被配置为至少基于所述第一驾驶场景数据集来生成驾驶场景分类模型，以用于对由采集实体采集的驾驶场景数据进行分类；规则获取模块，被配置为获取用于对驾驶场景数据进行分类的规则，所述规则基于利用所述驾驶场景分类模型对由所述采集实体采集的驾驶场景数据进行分类的结果而被生成；以及模型更新模块，被配置为至少基于所述规则来更新所述驾驶场景分类模型。15....

【专利技术属性】
技术研发人员：张俊飞，杨晨，孙庆瑞，毛继明，董芳芳，
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