本申请实施例公开了用于输出信息的方法和装置。上述方法的一具体实施方式包括：确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数；确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息；根据道路参数以及配置信息，在仿真器中构建模拟场景；利用传感器参数以及运动信息，在仿真器中确定传感器模型；利用传感器模型采集模拟场景中障碍物的第一障碍物数据；将第一障碍物数据从仿真器中输出。该实施方式可以通过仿真的方法获得用于训练的障碍物数据，减少了训练数据采集过程中的耗时和成本。程中的耗时和成本。程中的耗时和成本。
【技术实现步骤摘要】
用于输出信息的方法和装置
[0001]本申请实施例涉及计算机
，具体涉及用于输出信息的方法和装置。
技术介绍
[0002]针对深度神经网络，许多研究已经表明，网络能从大量带有标注的训练样本中学习得到模型。训练得到的模型可应用于自然和人为问题，包括无人车自主行进任务，且具有优异的性能。但网络的良好性能需要大量训练数据，而不同领域、不同任务所需的训练数据不完全相同。若在现实世界中针对性地采集数据并进行标注，耗时且成本昂贵。
技术实现思路
[0003]本申请实施例提出了用于输出信息的方法和装置。
[0004]第一方面，本申请实施例提供了一种用于输出信息的方法，包括：确定模拟场景的道路参数以及采集上述模拟场景的数据的传感器参数；确定行驶在上述模拟场景中的障碍物的配置信息以及传感器的运动信息；根据上述道路参数以及上述配置信息，在仿真器中构建模拟场景；利用上述传感器参数以及上述运动信息，在仿真器中确定传感器模型；利用上述传感器模型采集上述模拟场景中障碍物的第一障碍物数据；将上述第一障碍物数据从上述仿真器中输出。
[0005]在一些实施例中，上述方法还包括：获取实际场景中车辆前方的障碍物的第二障碍物数据以及上述车辆的运动信息；确定上述第二障碍物数据中的噪声信息；根据上述噪声信息，处理上述第一障碍物数据。
[0006]在一些实施例中，上述确定行驶在上述模拟场景中的障碍物的配置信息以及传感器的运动信息，包括：解析上述第二障碍物数据，确定上述实际场景中障碍物的属性信息；对上述障碍物的属性信息和上述车辆的运动信息进行格式转换；将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入上述仿真器，得到行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。
[0007]在一些实施例中，上述对上述障碍物的属性信息和上述车辆的运动信息进行格式转换，包括：根据上述实际场景中障碍物的属性信息以及车辆的运动信息，确定上述车辆是否发生碰撞和接管；响应于确定上述车辆发生碰撞和接管，对发生碰撞和接管时上述障碍物的属性信息以及上述车辆的运动信息进行格式转换。
[0008]在一些实施例中，上述方法还包括：标注上述第二障碍物数据；利用标注后的第二障碍物数据以及上述第一障碍物数据训练机器学习模型。
[0009]第二方面，本申请实施例提供了一种用于输出信息的装置，包括：第一参数确定单元，被配置成确定模拟场景的道路参数以及采集上述模拟场景的数据的传感器参数；第二参数确定单元，被配置成确定行驶在上述模拟场景中的障碍物的配置信息以及传感器的运动信息；模拟场景构建单元，被配置成根据上述道路参数以及上述配置信息，在仿真器中构建模拟场景；传感器模型确定单元，被配置成利用上述传感器参数以及上述运动信息，在仿
真器中确定传感器模型；障碍物数据采集单元，被配置成利用上述传感器模型采集上述模拟场景中障碍物的第一障碍物数据；障碍物数据输出单元，被配置成将上述第一障碍物数据从上述仿真器中输出。
[0010]在一些实施例中，上述装置还包括：障碍物数据获取单元，被配置成获取实际场景中车辆前方的障碍物的第二障碍物数据以及上述车辆的运动信息；噪声信息确定单元，被配置成确定上述第二障碍物数据中的噪声信息；障碍物数据处理单元，被配置成根据上述噪声信息，处理上述第一障碍物数据。
[0011]在一些实施例中，上述第二参数确定单元进一步被配置成：解析上述第二障碍物数据，确定上述实际场景中障碍物的属性信息；对上述障碍物的属性信息和上述车辆的运动信息进行格式转换；将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入上述仿真器，得到行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。
[0012]在一些实施例中，上述第二参数确定单元进一步被配置成：根据上述实际场景中障碍物的属性信息以及车辆的运动信息，确定上述车辆是否发生碰撞和接管；响应于确定上述车辆发生碰撞和接管，对发生碰撞和接管时上述障碍物的属性信息以及上述车辆的运动信息进行格式转换。
[0013]在一些实施例中，上述装置还包括：障碍物数据标注单元，被配置成标注上述第二障碍物数据；模型训练单元，被配置成利用标注后的第二障碍物数据以及上述第一障碍物数据训练机器学习模型。
[0014]第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。
[0015]第四方面，本申请实施例提供了一种计算机可读介质，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任一实施例所描述的方法。
[0016]本申请的上述实施例提供的用于输出信息的方法和装置，可以确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数。也可以确定在模拟场景中的障碍物的配置信息以及传感器的运动信息。然后，可以根据道路参数以及配置信息，在仿真器中构建模拟场景。并利用传感器参数以及运动信息，在仿真器中确定传感器模型。并利用传感器模型采集模拟场景中障碍物的第一障碍物数据。最后，将第一障碍物数据从仿真器中输出。本实施例的方法，可以通过仿真的方法获得用于训练的障碍物数据，减少了训练数据采集过程中的耗时和成本。
附图说明
[0017]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0018]图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
[0019]图2是根据本申请的用于输出信息的方法的一个实施例的流程图；
[0020]图3是根据本申请的用于输出信息的方法的一个应用场景的示意图；
[0021]图4是根据本申请的用于输出信息的方法中确定行驶在模拟场景中的障碍物的配
置信息以及传感器的运动信息的一个实施例的流程图；
[0022]图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图；
[0023]图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0024]下面结合附图和实施例对本申请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相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。
[0025]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0026]图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
[0027]如图1所示，系统架构100可以包括终端设备101，车辆102，网络103和服务器104。网络103用以在终端设备101，车辆102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于输出信息的方法，包括：确定模拟场景的道路参数以及采集所述模拟场景的数据的传感器参数；确定行驶在所述模拟场景中的障碍物的配置信息以及传感器的运动信息；根据所述道路参数以及所述配置信息，在仿真器中构建模拟场景；利用所述传感器参数以及所述运动信息，在仿真器中确定传感器模型；利用所述传感器模型采集所述模拟场景中障碍物的第一障碍物数据；将所述第一障碍物数据从所述仿真器中输出。2.根据权利要求1所述的方法，其中，所述方法还包括：获取实际场景中车辆前方的障碍物的第二障碍物数据以及所述车辆的运动信息；确定所述第二障碍物数据中的噪声信息；根据所述噪声信息，处理所述第一障碍物数据。3.根据权利要求2所述的方法，其中，所述确定行驶在所述模拟场景中的障碍物的配置信息以及传感器的运动信息，包括：解析所述第二障碍物数据，确定所述实际场景中障碍物的属性信息；对所述障碍物的属性信息和所述车辆的运动信息进行格式转换；将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入所述仿真器，得到行驶在所述模拟场景中的障碍物的配置信息以及传感器的运动信息。4.根据权利要求3所述的方法，其中，所述对所述障碍物的属性信息和所述车辆的运动信息进行格式转换，包括：根据所述实际场景中障碍物的属性信息以及车辆的运动信息，确定所述车辆是否发生碰撞和接管；响应于确定所述车辆发生碰撞和接管，对发生碰撞和接管时所述障碍物的属性信息以及所述车辆的运动信息进行格式转换。5.根据权利要求2所述的方法，其中，所述方法还包括：标注所述第二障碍物数据；利用标注后的第二障碍物数据以及所述第一障碍物数据训练机器学习模型。6.一种用于输出信息的装置，包括：第一参数确定单元，被配置成确定模拟场景的道路参数以及采集所述模拟场景的数据的传感器参数；第二参数确定单元，被配置成确定行驶在所述模拟场景中的障碍物的配置信息以及传感器的运动信息；模拟场景构建单元，被配置成根据所述道路参数以及所述配置信息，在仿真...
【专利技术属性】
技术研发人员：刘祥，张双，高斌，朱晓星，薛晶晶，杨凡，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
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。