本公开涉及一种场景构建方法、装置、介质以及芯片，所述方法包括：获取与车辆事故相关的待处理数据；根据所述待处理数据进行关系抽取处理，得到所述待处理数据中的实体以及所述实体之间的关系；根据所述实体和所述关系，构建所述车辆事故的场景。本公开可以提高构建的车辆事故场景的丰富度。车辆事故场景的丰富度。车辆事故场景的丰富度。
【技术实现步骤摘要】
场景构建方法、装置、介质以及芯片
[0001]本公开涉及自动驾驶
，尤其涉及一种场景构建方法、装置、介质以及芯片。
技术介绍
[0002]无人驾驶车辆在量产前会通过场景数据库进行充分的测试，其中，事故场景库呈现了不同交通参与者的交互可能会存在的风险，通过事故场景库对车辆进行测试，可以避免车辆在相同场景的类似交通事故的发生。
[0003]由于实际路况、天气以及交通参与者的变化，尤其是交通参与者的随机性，导致目前很难穷尽场景，可能导致无人驾驶车辆无法行驶。因此，如何得到丰富的事故场景库成为亟需解决的技术问题。
技术实现思路
[0004]为克服相关技术中存在的问题，本公开提供一种场景构建方法、装置、介质以及芯片。
[0005]根据本公开实施例的第一方面，提供一种场景构建方法，包括：
[0006]获取与车辆事故相关的待处理数据；
[0007]根据所述待处理数据进行关系抽取处理，得到所述待处理数据中的实体以及所述实体之间的关系；
[0008]根据所述实体和所述关系，构建所述车辆事故的场景。
[0009]在一些实施例中，所述待处理数据包括图像数据和/或文本数据；
[0010]所述获取与车辆事故相关的待处理数据，包括：
[0011]获取众包车辆采集的与所述车辆事故相关的所述图像数据；和/或，
[0012]获取网络数据中与所述车辆事故相关的所述文本数据。
[0013]在一些实施例中，所述根据所述待处理数据进行关系抽取处理，得到所述待处理数据中的实体以及所述实体之间的关系，包括：
[0014]根据第一关系检测模型对所述图像数据进行所述关系抽取处理，得到所述图像数据中的所述实体以及所述实体之间的关系。
[0015]在一些实施例中，所述第一关系检测模型基于如下方式训练得到：
[0016]获取携带有第一标签序列的多个样本图像，所述第一标签序列用于表征所述样本图像中的第一样本实体以及所述第一样本实体之间的关系；
[0017]根据多个所述样本图像迭代更新初始第一关系检测模型的参数以减小各样本图像对应的第一损失函数值，得到训练好的第一关系检测模型；
[0018]其中，各样本图像对应的第一损失函数值通过以下过程确定：
[0019]通过第一关系检测模型处理所述样本图像，得到所述样本图像的第一预测序列，所述第一预测序列用于表征所述样本图像中的第一预测实体和所述第一预测实体之间的
关系；
[0020]至少基于所述第一预测序列和所述第一标签序列的差异，确定第一损失函数值。
[0021]在一些实施例中，所述根据所述待处理数据进行关系抽取处理，得到所述待处理数据中的实体以及所述实体之间的关系，包括：
[0022]根据第二关系检测模型对所述文本数据进行所述关系抽取处理，得到所述文本数据中的所述实体以及所述实体之间的关系。
[0023]在一些实施例中，所述第二关系检测模型基于如下方式训练得到：
[0024]获取携带有第二标签序列的多个样本文本，所述第二标签序列用于表征所述样本文本中的第二样本实体以及所述第二样本实体之间的关系；
[0025]根据多个所述样本文本迭代更新初始第二关系检测模型的参数以减小各样本文本对应的第二损失函数值，得到训练好的第二关系检测模型；
[0026]其中，各样本文本对应的第二损失函数值通过以下过程确定：
[0027]通过第二关系检测模型处理所述样本文本，得到所述样本文本的第二预测序列，所述第二预测序列用于表征所述样本文本中的第二预测实体和所述第二预测实体之间的关系；
[0028]至少基于所述第二预测序列和所述第二标签序列的差异，确定第二损失函数值。
[0029]在一些实施例中，所述根据所述实体和所述关系，构建所述车辆事故的场景，包括：
[0030]根据所述实体和所述关系，确定所述车辆事故的场景图；
[0031]根据地图数据和所述场景图，构建所述车辆事故的场景。
[0032]根据本公开实施例的第二方面，提供一种场景构建装置，包括：
[0033]获取模块，被配置为获取与车辆事故相关的待处理数据；
[0034]处理模块，被配置为根据所述待处理数据进行关系抽取处理，得到所述待处理数据中的实体以及所述实体之间的关系；
[0035]构建模块，被配置为根据所述实体和所述关系，构建所述车辆事故的场景。
[0036]在一些实施例中，所述待处理数据包括图像数据和/或文本数据；所述获取模块进一步被配置为：
[0037]获取众包车辆采集的与所述车辆事故相关的所述图像数据；和/或，
[0038]获取网络数据中与所述车辆事故相关的所述文本数据。
[0039]在一些实施例中，所述处理模块进一步被配置为：
[0040]根据第一关系检测模型对所述图像数据进行所述关系抽取处理，得到所述图像数据中的所述实体以及所述实体之间的关系。
[0041]在一些实施例中，所述第一关系检测模型基于如下方式训练得到：
[0042]获取携带有第一标签序列的多个样本图像，所述第一标签序列用于表征所述样本图像中的第一样本实体以及所述第一样本实体之间的关系；
[0043]根据多个所述样本图像迭代更新初始第一关系检测模型的参数以减小各样本图像对应的第一损失函数值，得到训练好的第一关系检测模型；
[0044]其中，各样本图像对应的第一损失函数值通过以下过程确定：
[0045]通过第一关系检测模型处理所述样本图像，得到所述样本图像的第一预测序列，
所述第一预测序列用于表征所述样本图像中的第一预测实体和所述第一预测实体之间的关系；
[0046]至少基于所述第一预测序列和所述第一标签序列的差异，确定第一损失函数值。
[0047]在一些实施例中，所述处理模块进一步被配置为：
[0048]根据第二关系检测模型对所述文本数据进行所述关系抽取处理，得到所述文本数据中的所述实体以及所述实体之间的关系。
[0049]在一些实施例中，所述第二关系检测模型基于如下方式训练得到：
[0050]获取携带有第二标签序列的多个样本文本，所述第二标签序列用于表征所述样本文本中的第二样本实体以及所述第二样本实体之间的关系；
[0051]根据多个所述样本文本迭代更新初始第二关系检测模型的参数以减小各样本文本对应的第二损失函数值，得到训练好的第二关系检测模型；
[0052]其中，各样本文本对应的第二损失函数值通过以下过程确定：
[0053]通过第二关系检测模型处理所述样本文本，得到所述样本文本的第二预测序列，所述第二预测序列用于表征所述样本文本中的第二预测实体和所述第二预测实体之间的关系；
[0054]至少基于所述第二预测序列和所述第二标签序列的差异，确定第二损失函数值。
[0055]在一些实施例中，所述构建模块进一步被配置为：本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种场景构建方法，其特征在于，包括：获取与车辆事故相关的待处理数据；根据所述待处理数据进行关系抽取处理，得到所述待处理数据中的实体以及所述实体之间的关系；根据所述实体和所述关系，构建所述车辆事故的场景。2.根据权利要求1所述的场景构建方法，其特征在于，所述待处理数据包括图像数据和/或文本数据；所述获取与车辆事故相关的待处理数据，包括：获取众包车辆采集的与所述车辆事故相关的所述图像数据；和/或，获取网络数据中与所述车辆事故相关的所述文本数据。3.根据权利要求2所述的场景构建方法，其特征在于，所述根据所述待处理数据进行关系抽取处理，得到所述待处理数据中的实体以及所述实体之间的关系，包括：根据第一关系检测模型对所述图像数据进行所述关系抽取处理，得到所述图像数据中的所述实体以及所述实体之间的关系。4.根据权利要求3所述的场景构建方法，其特征在于，所述第一关系检测模型基于如下方式训练得到：获取携带有第一标签序列的多个样本图像，所述第一标签序列用于表征所述样本图像中的第一样本实体以及所述第一样本实体之间的关系；根据多个所述样本图像迭代更新初始第一关系检测模型的参数以减小各样本图像对应的第一损失函数值，得到训练好的第一关系检测模型；其中，各样本图像对应的第一损失函数值通过以下过程确定：通过第一关系检测模型处理所述样本图像，得到所述样本图像的第一预测序列，所述第一预测序列用于表征所述样本图像中的第一预测实体和所述第一预测实体之间的关系；至少基于所述第一预测序列和所述第一标签序列的差异，确定第一损失函数值。5.根据权利要求2所述的场景构建方法，其特征在于，所述根据所述待处理数据进行关系抽取处理，得到所述待处理数据中的实体以及所述实体之间的关系，包括：根据第二关系检测模型对所述文本数据进行所述关系抽取处理，得到所述文本数据中的所述实体以及所述实体之间的关系。6.根据权利要求5所述的场景...
【专利技术属性】
技术研发人员：张琼，杨奎元，
申请(专利权)人：小米汽车科技有限公司，
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。