一种交通数据收集方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供一种交通数据收集方法、装置、电子设备及存储介质，该方法应用于与数采车辆连接的服务器，该方法包括响应于接收到原始交通数据及第一感知结果，根据预设的第二感知模型，对原始交通数据进行感知处理，获得第二感知结果，将第二感知结果与第一感知结果进行比对，并根据比对结果，选取原始交通数据中差异交通数据，根据差异交通数据确定交通关键特征，并收集与交通关键特征相匹配的目标交通数据，如此，快速收集与交通关键特征相匹配的目标交通数据，一方面，大大降低了交通数据收集所需耗费的人力成本以及时间成本，另一方面，根据确定的交通关键特征来收集场景更加多样的目标交通数据，避免了数据的收集范围受限。限。限。

【技术实现步骤摘要】
一种交通数据收集方法、装置、电子设备及存储介质


[0001]本专利技术涉及交通数据处理
，尤其涉及一种交通数据收集方法、装置、电子设备及存储介质。

技术介绍

[0002]在智能驾驶领域中，视觉感知模型需要使用携带大量标注的交通数据来对神经网络进行训练，此过程需要重点关注并收集对应边缘场景的长尾数据，如，对应施工区域及有坑洞的路面的交通数据，或是在雨天或夜晚等情况下采集到的交通数据等。
[0003]现有技术中，通过数采人员在真实边缘场景下主动收集相关数据，或者，从海量交通数据中手动挖掘出能够对应指定边缘场景的交通数据，来获得训练所需的长尾数据，然而，由于人工收集或挖掘的工作量较大且效率低下，导致此方式需要耗费的人力成本及时间成本较高，且依赖于数采人员的主观认识，易导致数据收集范围受限的问题。

技术实现思路

[0004]本申请实施例提供一种交通数据收集方法、装置、电子设备及存储介质，用于解决现有技术中人力成本及时间成本较高且数据范围受限的问题。
[0005]第一方面，本申请实施例提供一种交通数据收集方法，应用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通数据收集方法，其特征在于，应用于与数采车辆连接的服务器，所述数采车辆通过搭载的第一感知模型，对采集到的原始交通数据进行感知处理，获得第一感知结果，所述方法包括：响应于接收到所述原始交通数据及所述第一感知结果，根据预设的第二感知模型，对所述原始交通数据进行感知处理，获得第二感知结果；将所述第二感知结果与所述第一感知结果进行比对，并根据比对结果，选取所述原始交通数据中差异交通数据；根据所述差异交通数据确定交通关键特征，并收集与所述交通关键特征相匹配的目标交通数据。2.如权利要求1所述的方法，其特征在于，所述获取原始交通数据之前，还包括：获取感知样本集合，其中，每个感知样本包括：对应一个交通目标的样本图像及真实标签，所述真实标签用于表征相应一个交通目标的真实类别；采用所述感知样本集合中感知样本，对预设深度学习模型进行多轮迭代训练，在满足收敛条件时，输出第二感知模型；其中，在一轮迭代训练过程中，执行以下操作：采用所述深度学习模型，基于感知样本中样本图像，获得预测类别，并基于所述预测类别与相应真实标签之间的损失值，对所述深度学习模型进行调整。3.如权利要求1或2所述的方法，其特征在于，所述将所述第二感知结果与所述第一感知结果进行比对，并根据比对结果，选取所述原始交通数据中差异交通数据，包括：根据所述第一感知结果中，对应一个原始交通图像的第一感知类别，以及所述第二感知结果中，对应所述一个原始交通图像的第二感知类别，获得针对所述一个原始交通图像的预测评估值；其中，所述预测评估值为以下任意一种：针对所述一个原始交通图像确定的召回率、针对所述一个原始交通图像确定的准确率、针对所述一个原始交通图像确定的平衡分数F1值、以及针对所述一个原始交通图像确定的交互比；若所述预测评估值不大于预设的预测评估阈值，则选取所述一个原始交通图像作为差异交通数据。4.如权利要求1或2所述的方法，其特征在于，所述交通关键特征，包括以下任意一种或组合：用于指示所述差异交通数据对应交通场景的查询标签；用于指示所述差异交通数据对应交通场景的查询语句；包含指定交通目标的自定义图像，其中，所述自定义图像从所述差异交通数据中截取获得。5.如权利要求1
‑
3任...

【专利技术属性】
技术研发人员：孙责荃，刘明，万雷鸣，梁振宝，
申请(专利权)人：宁波吉利汽车研究开发有限公司，
类型：发明
国别省市：