本发明专利技术适用于汽车驾驶技术领域，提供了一种自动驾驶数据处理方法、装置、电子设备及介质，其中，方法包括：获取自动驾驶场景中的车辆数据，车辆数据包括车辆信号数据和车辆图片数据；根据多种预设事件类别确定车辆信号数据包含的目标事件类别，每种预设事件类别对应多种事件标签；根据预设标签匹配规则和目标事件类别匹配车辆信号数据的目标事件标签；将车辆图片数据输入预设标签识别模型，得到车辆图片数据的目标事件标签；根据车辆信号数据的目标事件标签和车辆图片数据的目标事件标签对车辆数据进行标注，得到目标标注结果；解决了由人工分析处理自动驾驶场景中的车辆数据所导致的数据处理效率低等问题。的数据处理效率低等问题。的数据处理效率低等问题。
【技术实现步骤摘要】
一种自动驾驶数据处理方法、装置、电子设备及介质
[0001]本专利技术涉及汽车驾驶
，尤其涉及一种自动驾驶数据处理方法、装置、电子设备及介质。
技术介绍
[0002]自动驾驶研发过程中，需要大量自动驾驶数据作为车端感知以及决策算法在云端训练的训练集和云端验证的验证集。对于自动驾驶场景的仿真，也需要大量数据用于构建标准化场景库并进行场景泛化，以提高自动驾驶系统正向开发效率，评估算法或系统的安全性和验证产品落地效率。为筛选特定场景的数据进行试验和验证，传统方法大多都是通过人工方式对这些数据进行对比、回放、标记，效率极低，出错率高。随着数据量级的增加，大规模的标记将耗费更多的人力物力，且可操作性不强。对于自动驾驶的某些场景，如智能指数试验，其试验数据相当大，通常都是通过人工的方式来处理这些试验数据，通过人工逐一导入数据及人工分析处理数据，这种依靠人工操作，费时费力，容易发生错误，而且实用性和可操作性不强。
技术实现思路
[0003]本专利技术提供一种自动驾驶数据处理方法、装置、电子设备及介质，以解决由人工分析处理自动驾驶场景中的车辆数据所导致的数据处理效率低等问题。
[0004]本专利技术提供的自动驾驶数据处理方法，包括：
[0005]获取自动驾驶场景中的车辆数据，其中，所述车辆数据包括车辆信号数据和车辆图片数据；
[0006]根据多种预设事件类别确定所述车辆信号数据包含的目标事件类别；
[0007]根据预设标签匹配规则和所述目标事件类别匹配所述车辆信号数据的目标事件标签，其中，每种预设事件类别对应多种事件标签；
[0008]将所述车辆图片数据输入预设标签识别模型，得到所述车辆图片数据的目标事件标签；
[0009]根据所述车辆信号数据的目标事件标签和所述车辆图片数据的目标事件标签对所述车辆数据进行标注，得到目标标注结果。
[0010]可选地，所述根据预设标签匹配规则和所述目标事件类别匹配所述车辆信号数据的目标事件标签包括：
[0011]根据所述目标事件类别对所述车辆信号数据进行事件特征提取，获取所述车辆信号数据的目标事件特征；
[0012]根据所述预设标签匹配规则和所述目标事件特征确定所述车辆信号数据的目标事件标签。
[0013]可选地，所述根据所述目标事件类别对所述车辆信号数据进行事件特征提取，获取所述车辆信号数据的目标事件特征包括：
[0014]将所述车辆信号数据转换为文本数据；
[0015]根据所述目标事件类别对所述文本数据进行语义特征提取，得到所述车辆信号数据的目标事件特征。
[0016]可选地，所述根据预设标签匹配规则和所述目标事件类别匹配所述车辆信号数据的目标事件标签之前，还包括；
[0017]获取样本车辆信号数据，对所述样本车辆信号数据进行标注，得到第一事件标注结果；
[0018]根据所述样本车辆信号数据和所述第一事件标注结果建立所述预设标签匹配规则。
[0019]可选地，所述将所述车辆图片数据输入预设标签识别模型，得到所述车辆图片数据的目标事件标签之前，包括：
[0020]获取样本车辆图片数据，并对所述样本车辆图片数据进行事件标签标注，得到第二事件标注结果；
[0021]根据所述样本车辆图片数据和所述第二事件标注结果形成样本数据集；
[0022]构建初始识别模型，采用所述样本数据集训练所述初始识别模型，得到用于事件标签识别的所述预设标签识别模型。
[0023]可选地，所述采用所述样本数据集训练所述初始识别模型，得到用于事件标签识别的所述预设标签识别模型包括；
[0024]将所述样本数据集划分为训练数据集和测试数据集；
[0025]采用所述样本数据集训练所述初始识别模型，得到所述预设标签识别模型；
[0026]将所述测试数据集输入所述预设标签识别模型，得到测试结果；
[0027]采用交叉熵损失函数获取所述测试结果与所述第二事件标注结果的误差，并采用所述误差反向传播更新所述预设标签识别模型。
[0028]可选地，所述获取自动驾驶场景中的车辆数据之后，还包括：
[0029]获取所述车辆数据所对应的时间；
[0030]根据预设时间范围和所述车辆数据所对应的时间对所述车辆数据进行筛选。
[0031]本专利技术还提供了一种自动驾驶数据处理装置，包括：
[0032]数据获取模块，用于获取自动驾驶场景中的车辆数据，其中，所述车辆数据包括车辆信号数据和车辆图片数据；
[0033]类别确定模块，用于根据多种预设事件类别确定所述车辆信号数据包含的目标事件类别；
[0034]标签匹配模块，用于根据预设标签匹配规则和所述目标事件类别匹配所述车辆信号数据的目标事件标签，其中，每种预设事件类别对应多种事件标签；
[0035]标签识别模块，用于将所述车辆图片数据输入预设标签识别模型，得到所述车辆图片数据的目标事件标签；
[0036]数据标注模块，用于根据所述车辆信号数据的目标事件标签和所述车辆图片数据的目标事件标签对所述车辆数据进行标注，得到目标标注结果，所述数据获取模块、所述类别确定模块、所述标签匹配模块、所述标签识别模块和所述标注模块相连接。
[0037]本专利技术还提供一种电子设备，包括：
[0038]一个或多个处理器；
[0039]存储装置，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时，使得所述电子设备实现上述自动驾驶数据处理方法
[0040]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述自动驾驶数据处理方法。
[0041]本专利技术的有益效果：本专利技术中的自动驾驶数据处理方法，首先通过获取自动驾驶场景中的车辆信号数据和车辆图片数据；并根据多种预设事件类别确定车辆信号数据包含的目标事件类别；然后根据预设标签匹配规则和所述目标事件类别匹配所述车辆信号数据的目标事件标签；再将车辆图片数据输入预设标签识别模型，得到车辆图片数据的目标事件标签；最后根据车辆信号数据的目标事件标签和车辆图片数据的目标事件标签对车辆数据进行标注，得到目标标注结果，实现了对车辆数据的准确标注；解决由人工分析处理自动驾驶场景中的车辆数据所导致的数据处理效率低等问题，从而提高了标注质量和标注效率，进而节省了大量的人力和物力。
[0042]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0043]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0044]图1是本申请的一示例性实施例示出的自动驾驶数据处理方法的的实施环境示意图；
...
【技术保护点】
【技术特征摘要】
1.一种自动驾驶数据处理方法，其特征在于，包括：获取自动驾驶场景中的车辆数据，其中，所述车辆数据包括车辆信号数据和车辆图片数据；根据多种预设事件类别确定所述车辆信号数据包含的目标事件类别；根据预设标签匹配规则和所述目标事件类别匹配所述车辆信号数据的目标事件标签，其中，每种预设事件类别对应多种事件标签；将所述车辆图片数据输入预设标签识别模型，得到所述车辆图片数据的目标事件标签；根据所述车辆信号数据的目标事件标签和所述车辆图片数据的目标事件标签对所述车辆数据进行标注，得到目标标注结果。2.根据权利要求1所述的自动驾驶数据处理方法，其特征在于，所述根据预设标签匹配规则和所述目标事件类别匹配所述车辆信号数据的目标事件标签包括：根据所述目标事件类别对所述车辆信号数据进行事件特征提取，获取所述车辆信号数据的目标事件特征；根据所述预设标签匹配规则和所述目标事件特征确定所述车辆信号数据的目标事件标签。3.根据权利要求2所述的自动驾驶数据处理方法，其特征在于，所述根据所述目标事件类别对所述车辆信号数据进行事件特征提取，获取所述车辆信号数据的目标事件特征包括：将所述车辆信号数据转换为文本数据；根据所述目标事件类别对所述文本数据进行语义特征提取，得到所述车辆信号数据的目标事件特征。4.根据权利要求1所述的自动驾驶数据处理方法，其特征在于，所述根据预设标签匹配规则和所述目标事件类别匹配所述车辆信号数据的目标事件标签之前，还包括；获取样本车辆信号数据，对所述样本车辆信号数据进行标注，得到第一事件标注结果；根据所述样本车辆信号数据和所述第一事件标注结果建立所述预设标签匹配规则。5.根据权利要求1所述的自动驾驶数据处理方法，其特征在于，所述将所述车辆图片数据输入预设标签识别模型，得到所述车辆图片数据的目标事件标签之前，包括：获取样本车辆图片数据，并对所述样本车辆图片数据进行事件标签标注，得到第二事件标注结果；根据所述样本车辆图片数据和所述第二事件标注结果形成样本数据集；构建初始识别模型，采用所述样本数据集训练所述初始识别模型，得到用于事件标签识别的所述预设...
【专利技术属性】
技术研发人员：张霞，张晓，
申请(专利权)人：重庆长安汽车股份有限公司，
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。