用于车路协同的训练数据提取方法、系统、设备以及介质技术方案

本发明专利技术公开了一种用于车路协同的训练数据提取方法，包括以下步骤：获取采集的视频数据；对采集的视频数据进行识别并确定无法识别的物体；基于无法识别的物体生成异常识别事件；根据所述异常识别事件从所述视频数据中提取对应的视频区间并作为训练引擎的训练数据。本发明专利技术还公开了一种系统、计算机设备以及可读存储介质。本发明专利技术提出的方案通过对采集到的视频数据进行识别，从而得到无法识别的物体，基于无法识别的物体提取对应的视频区间以作为训练数据，有效提高了车路协同仿真测试引擎的真实路端测试数据的提取效率。真实路端测试数据的提取效率。真实路端测试数据的提取效率。

【技术实现步骤摘要】
用于车路协同的训练数据提取方法、系统、设备以及介质


[0001]本专利技术涉及车路协同领域，具体涉及一种用于车路协同的训练数据提取方法、系统、设备以及介质。

技术介绍

[0002]在自动驾驶的车路协同场景，仿真测试引擎的模型训练显得非常重要，而一个仿真测试引擎可能需要几万甚至几十万份不同的场景数据进行训练才能达到一定的效果。这些训练模型的数据输入主要依赖于真实路端的原始视频和点云数据。因此，需要安装许多摄像头和雷达并对实时路况进行监控，然后通过录制服务对这些传感器数据进行录制和存储，大量传感器录制得到的原始数据体量非常大，每天的数据量可达到TB或PB级别，但这些海量数据中对仿真测试引擎有效的场景数据占比较低。如何低成本存储录制数据并高效提取和使用这些有价值的监控数据在无人驾驶领域显得非常重要。通常的做法是把这些全量的监控数据都上传到中心云端进行存储，然后人工根据一些条件进行特定提取利用。这种提取用于训练引擎的场景数据的方式非常低效。

技术实现思路

[0003]有鉴于此，为了克服上述问题的至少一个方面，本专利技术实施例提出一种用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于车路协同的训练数据提取方法，其特征在于，包括以下步骤：获取采集的视频数据；对采集的视频数据进行识别并确定无法识别的物体；基于无法识别的物体生成异常识别事件；根据所述异常识别事件从所述视频数据中提取对应的视频区间并作为训练引擎的训练数据。2.如权利要求1所述的方法，其特征在于，对采集的视频数据进行识别并确定无法识别的物体，进一步包括：设置时间滑动窗口；基于所述时间滑动窗口将所述视频数据分成多个视频片段；将每一个所述视频片段分成多个图像帧并对每一个所述图像帧进行识别并确定无法识别的物体。3.如权利要求2所述的方法，其特征在于，将每一个所述视频片段分成多个图像帧并对每一个所述图像帧进行识别并确定无法识别的物体，进一步包括：利用第一识别模型对所述图像帧进行第一次检测并标注车辆、行人以及骑行者；利用第二识别模型对经过所述第一识别模型检测并标注的所述图像帧进行第二次检测并对能够识别的物体进行相应标注，以及将剩余的物体标注为无法识别。4.如权利要求1所述的方法，其特征在于，基于无法识别的物体生成异常识别事件，进一步包括：响应于检测到存在无法识别的物体或确定为无法识别的物体的数量达到阈值，生成异常识别事件，其中所述异常识别事件包括事件ID、所述无法识别的物体对应的时间区间。5.如权利要求4所述的方法，其特征在于，获取采集到的视频，进一步还包括：利用边缘节点采集视频数据和雷达点云数据；将所述视频数据和所述雷达点云数据保存到所述...

【专利技术属性】
技术研发人员：刘肃权，
申请(专利权)人：天翼交通科技有限公司，
类型：发明
国别省市：