数据检索方法、装置、电子设备、存储介质和程序产品制造方法及图纸

本公开实施例涉及一种数据检索方法、装置、电子设备、存储介质和程序产品。所述方法包括：获取目标驾驶场景的示例场景数据；该示例场景数据包括自动驾驶车辆相关的多个不同模态的示例数据；对该示例场景数据进行特征提取处理，得到多模态特征向量；根据该多模态特征向量，从预设特征池中获取多个目标多模态特征向量；根据该多个目标多模态特征向量获取该目标驾驶场景对应的多个目标场景数据，该多个目标场景数据用于对该目标驾驶场景对应的自动驾驶算法进行更新处理。采用本方法能够从海量的数据中精准确定所需场景的数据以用于自动驾驶系统的更新。驾驶系统的更新。驾驶系统的更新。

【技术实现步骤摘要】
数据检索方法、装置、电子设备、存储介质和程序产品


[0001]本公开实施例涉及自动驾驶
，特别是涉及一种数据检索方法、装置、电子设备、存储介质和程序产品。

技术介绍

[0002]在自动驾驶领域，为提高自动驾驶系统的鲁棒性和适应性，需要收集各种场景下的数据以用于不断更新自动驾驶系统。然而，自动驾驶领域中的场景分布多种多样、千变万化，所收集的数据也是海量级的。因此，在更新自动驾驶系统的过程中，如何从海量的数据中精准确定所需场景的数据以用于系统更新的问题亟需解决。

技术实现思路

[0003]本公开实施例提供一种数据检索方法、装置、电子设备、存储介质和程序产品，可以从海量的数据中精准确定所需场景的数据以用于自动驾驶系统的更新。
[0004]第一方面，本公开实施例提供一种数据检索方法，该方法包括：
[0005]获取目标驾驶场景的示例场景数据；该示例场景数据包括自动驾驶车辆相关的多个不同模态的示例数据；对该示例场景数据进行特征提取处理，得到多模态特征向量；根据该多模态特征向量，从预设特征池中获取多个目标多模态特征向量；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据检索方法，其特征在于，所述方法包括：获取目标驾驶场景的示例场景数据；所述示例场景数据包括自动驾驶车辆相关的多个不同模态的示例数据；对所述示例场景数据进行特征提取处理，得到多模态特征向量；根据所述多模态特征向量，从预设特征池中获取多个目标多模态特征向量；根据所述多个目标多模态特征向量获取所述目标驾驶场景对应的多个目标场景数据，所述多个目标场景数据用于对所述目标驾驶场景对应的自动驾驶算法进行更新处理。2.根据权利要求1所述的方法，其特征在于，所述对所述示例场景数据进行特征提取处理，得到多模态特征向量，包括：根据所述示例场景数据中各模态的所述示例数据对应的类型，确定各所述示例数据对应的特征提取算法；根据对应的所述特征提取算法，对各所述示例数据进行特征提取处理，得到所述多模态特征向量。3.根据权利要求2所述的方法，其特征在于，所述示例场景数据中包括视觉感知类型的示例数据和/或驾驶规划控制类型的示例数据；所述根据对应的所述特征提取算法，对各所述示例数据进行特征提取处理，得到所述多模态特征向量，包括：对各所述视觉感知类型的示例数据进行融合处理，得到融合数据，并根据所述视觉感知类型的示例数据对应的特征提取算法对所述融合数据进行特征提取，得到第一多模态特征向量；或，根据所述视觉感知类型的示例数据对应的特征提取算法对各所述视觉感知类型的示例数据进行特征提取，得到多个第一候选特征，并对各所述第一候选特征进行融合处理，得到第一多模态特征向量；根据所述驾驶规划控制类型的示例数据对应的特征提取算法对各所述驾驶规划控制类型的示例数据进行特征提取，得到多个第二候选特征，并对各所述第二候选特征进行融合处理，得到第二多模态特征向量；根据所述第一多模态特征向量和/或所述第二多模态特征向量，得到所述多模态特征向量。4.根据权利要求3所述的方法，其特征在于，若所述示例场景数据中包括视觉感知类型的示例数据和所述驾驶规划控制类型的示例数据，所述根据所述第一多模态特征向量和/或所述第二多模态特征向量，得到所述多模态特征向量，包括：对所述第一多模态特征向量和所述第二多模态特征向量进行融合处理，得到所述多模态特征向量。5.根据权利要求3所述的方法，其特征在于，所述根据所述视觉感知类型的示例数据对应的特征提取算法对各所述视觉感知类型的示例数据进行特征提取，包括：基于第一深度神经网络模型对各所述视觉感知类型的示例数据进行特征提取。6.根据权利要求3所述的方法，其特征在于，根据所述驾驶规划控制类型的示例数据对应的特征提取算法对各所述驾驶规划控制类...

【专利技术属性】
技术研发人员：李铎，戴宏硕，王珂，
申请(专利权)人：天津卡尔动力科技有限公司，
类型：发明
国别省市：