用于收集关于路面负障碍物的数据的方法和系统技术方案

本发明专利技术涉及自动驾驶领域，尤其是一种用于收集关于路面负障碍物的数据的方法，所述方法包括：对在车辆行驶过程中实时获取车载传感器数据，并对所述车载传感器数据进行缓存(S1)；基于车身状态数据监测车辆是否驶过路面负障碍物(S2)；如果监测到车辆驶过路面负障碍物，则存储所缓存的车载传感器数据(S3)。本发明专利技术还涉及一种用于收集关于路面负障碍物的数据的系统，一种用于执行方法步骤的计算机程序产品和一种车辆。根据本发明专利技术，不但可以有效降低传统全栈数据无差别落盘造成的存储资源浪费，而且降低了后期数据筛选和数据标注的成本，进而能够有效地提高用于路面负障碍物的感知模型的开发效率和质量。的开发效率和质量。的开发效率和质量。

【技术实现步骤摘要】
用于收集关于路面负障碍物的数据的方法和系统


[0001]本专利技术涉及自动驾驶领域，尤其是涉及一种用于收集关于路面负障碍物的数据的方法，一种用于收集关于路面负障碍物的数据的系统，一种计算机程序产品，其用于至少辅助地实现根据本专利技术的方法的步骤，以及一种车辆。

技术介绍

[0002]自动驾驶车辆可以通过安装在车身上的摄像头、激光雷达、毫米波雷达等传感器对车辆周围环境进行实时感知，并通过高精地图和GNSS定位系统对行驶路线进行规划，从而实现自动驾驶任务。得益于机器学习和深度学习等技术的发展，相较于传统车辆自动控制系统，现阶段自动驾驶车辆的环境感知模块的感知与融合能力得到大大提升，从而给自动驾驶技术带来质的飞跃。在系统工作中，环境感知模块利用神经网络或其他机器学习算法对上述传感器获得的图像和点云进行运算处理，从而获得车辆周围环境中的障碍物的位置信息、类别信息和/或形状信息等。
[0003]目前，自动驾驶车辆的环境感知模块针对的目标障碍物主要以车辆、行人、交通标志牌、车道线等拥有具体外观或形状模式的结构化常规目标。环境感知模块的开发是典型的数据驱动过程，其基本开发流程是首先对通过传感器获取的大量目标障碍物的数据进行标注，然后将经标注的数据作为训练数据集输入到感知神经网络中进行训练，从而获取经训练完成的网络模型。作为神经网络学习的根本信息来源，训练数据集的体量和丰富程度直接决定了神经网络模型的最终性能。传统的训练数据集获取方法主要是通过车辆搭载的传感器系统在车辆行驶过程中采集数据，然后对海量数据进行筛选和标注，其中，对所采集的数据的筛选和标注往往通过人工或半人工的方式完成，该过程不但耗费昂贵的人力成本，且效率较低。为了保证数据的丰富程度，众包采集和OTA(Over
‑
the
‑
Air Technology，空中下载技术)的方式也逐渐被提出并应该用于自动驾驶数据采集流程。同时，主动学习和目标学习等相应数据筛选算法的引入也一定程度上解决了从海量数据中筛选出危险场景和稀少场景的能力。然而，现有的数据筛选方法主要针对感知模型已训练学习过的且对其具备感知能力的已知障碍物(行人、车辆、交通标志牌等)的数据进一步丰富化，而无法对从未训练过的未知障碍物进行数据采集与筛选。
[0004]与车辆、行人等已知的常规障碍物不同，路面破坏造成的坑、洼、裂缝等负障碍物一般不具备规则的结构化的外观和形状模式。负障碍物通常不会对车辆行驶通过造成太大影响，但当车辆车速较高时不但影响驾乘体验而且存在较大安全隐患。因此，随着自动驾驶技术发展的深入，负障碍物的感知逐渐得到业内各界的重视。此外，负障碍物在道路驾驶环境相对罕见。因此，在负障碍物数据获取的初期，很难像常规障碍物一样通过自动化程度较高的大规模数据采集运动直接获取和筛选，而数据采集的昂贵与低效反过来严重影响负障碍物感知算法的开发与部署。
[0005]因此，为了训练自动驾驶车辆的用于路面负障碍物的感知模型，如何准确、高效地收集关于路面负障碍物的数据成为目前需要解决的技术难题。

技术实现思路

[0006]本专利技术的目的在于提供一种用于收集关于路面负障碍物的数据的方法，一种用于收集关于路面负障碍物的数据的系统，一种用于至少辅助地实现根据本专利技术的方法的步骤的计算机程序产品，以及一种车辆，以至少部分地解决现有技术中的问题。
[0007]根据本专利技术的第一方面，提供了一种用于收集关于路面负障碍物的数据的方法，所述方法可以包括以下步骤：
[0008]‑
在车辆行驶过程中实时获取车载传感器数据，并对所述车载传感器数据进行缓存；
[0009]‑
基于车身状态数据监测车辆是否驶过路面负障碍物；和
[0010]‑
如果监测到车辆驶过路面负障碍物，则存储所缓存的车载传感器数据。
[0011]本专利技术的核心构思在于：通过监测在车辆行驶过程中数据量相对较小的车身状态数据，自动地触发数据量相对较大的车载传感器数据的抓取与存储，并通过数据缓存机制提高所存储的车身状态数据的完整性和准确性。根据本专利技术的某些实施例，不但可以有效降低传统全栈数据无差别落盘造成的存储资源浪费，而且降低了后期数据筛选和数据标注的成本，进而能够有效地提高用于路面负障碍物的感知模型的开发效率和质量。
[0012]根据本专利技术的一个可选实施例，所述车身状态数据例如可以包括车辆底盘信息，其中，所述车辆底盘信息例如包括悬架位移信号、减震器压力信号和/或车辆制动信号等。
[0013]根据本专利技术的另一可选实施例，所述车载传感器数据例如包括通过车载传感器模块获取的关于车辆周围环境的感知数据。在此，所述车载传感器模块例如可以包括车载摄像头、激光雷达、毫米波雷达、全球卫星导航系统和/或惯性测量装置等。需要说明的是，与车身状态数据、尤其是车辆底盘信息相比，车载传感器数据的数据量要大得多。
[0014]根据本专利技术的另一可选实施例，可以对所获取的车身状态数据通过先入先出(First Input First Output，缩写FIFO)机制进行缓存，由此可以避免历史数据队列累积造成的数据缓存模块的存储资源过载。
[0015]根据本专利技术的另一可选实施例，在监测到车辆驶过路面负障碍物的情况下，可以对如下时间窗口内的各个时刻所缓存的车载传感器数据进行存储：所述时间窗口至少包括监测到车辆驶过路面负障碍物的时刻。通过这种方式可以有效地回溯所获取的车载传感器数据的历史数据，并使所存储的车载传感器数据能够完整地覆盖车辆驶过路面负障碍物的整个过程。
[0016]根据本专利技术的另一可选实施例，可以从所述车身状态数据提取特征信号，通过所提取的特征信号与预设阈值的比较来判断车辆是否驶过路面负障碍物，由此可以提高所述判断的运算效率和准确率。
[0017]根据本专利技术的另一可选实施例，所述方法还包括以下步骤：
[0018]‑
在监测到车辆驶过路面负障碍物的情况下，对所述车身状态数据进行存储。
[0019]根据本专利技术的另一可选实施例，所述方法还可以包括以下步骤：
[0020]‑
基于所存储的车载传感器数据进行路面负障碍物标注。
[0021]由于从大量的车载传感器中已经筛选出需存储的数据，且所存储的车载传感器数据完整地覆盖了车辆驶过路面负障碍物的整个过程，因此通过这种方式提高了车载传感器数据的标注质量和标注效率，由此避免了人工数据筛选和标注的高昂成本。
[0022]根据本专利技术的另一可选实施例，所述方法还可以包括以下步骤：
[0023]‑
基于经标注的车载传感器数据训练路面负障碍物的感知模型。
[0024]考虑到通过上述方式处理的车载传感器数据的标注质量高且覆盖的驾驶场景完整，以这些车载传感器数据进行模型训练可以有效地提高用于路面负障碍物的感知模型的开发效率和质量。
[0025]根据本专利技术的第二方面，提供了一种用于收集关于路面负障碍物的数据的系统，所述系统可以包括以下构件：
[0026]‑
...

【技术保护点】

【技术特征摘要】
1.一种用于收集关于路面负障碍物的数据的方法，所述方法包括以下步骤：在车辆行驶过程中实时获取车载传感器数据，并对所述车载传感器数据进行缓存；基于车身状态数据监测车辆是否驶过路面负障碍物；和如果监测到车辆驶过路面负障碍物，则存储所缓存的车载传感器数据。2.根据权利要求1所述的方法，其特征在于，对所获取的车载传感器数据通过先入先出机制进行缓存。3.根据上述权利要求中任一项所述的方法，其特征在于，在监测到车辆驶过路面负障碍物的情况下，对如下时间窗口内的各个时刻所缓存的车载传感器数据进行存储：所述时间窗口至少包括监测到车辆驶过路面负障碍物的时刻。4.根据上述权利要求中任一项所述的方法，其特征在于，从所述车身状态数据提取特征信号，通过所提取的特征信号与预设阈值的比较来判断车辆是否驶过所述路面负障碍物。5.根据上述权利要求中任一项所述的方法，其特征在于，所述车身状态数据包括车辆底盘信息，其中，所述车辆底盘信息包括悬架位移信号、减震器压力信号和/或车辆制动信号。6.根据上述权利要求中任一项所述的方法，其特征在于，所述车载传感器数据包括通过车载传感器模块(21)获取的关于车辆周围环境的感知数据，其中，所述车载传感器模块(21)包括车载摄像头、激光雷达、毫米波雷达、全球卫星导航系统和/或惯性测量装置。7.根据上述权利要求中任一项所述的方法，其特征在于，所述方法还包括以下步骤：在监测到车辆驶过路面负障碍物的情况下，对所述车身状态数据进行存储。8.根据上述权利要求中任一项所述的方法，其特征在于，所述方法还包括以下步骤：基于所存储的车载传感器数据进行路面负障碍物标注。9.根据上述权利要求中任一项所述的方法，其特征在于，所述方法还包括以下步骤：基于经标注的车载传感器数据训练路面负障碍物的感知模型。10.一种用于收集关于路面负障碍物的数据的系统(1)，所述系统(1)用于执行根据权利要求1至9中任一项所述的方法，其特征在于，所述系统(1)包括以下构件：车载传感器数据I/O模块(11)，所述车载传感器...

【专利技术属性】
技术研发人员：王宝锋，支蓉，张鸾，
申请(专利权)人：梅赛德斯奔驰集团股份公司，
类型：发明
国别省市：