【技术实现步骤摘要】
本专利技术涉及自动驾驶，具体涉及鸟瞰图静态数据标注方法、装置、车辆、设备及存储介质。
技术介绍
1、随着计算机领域的日新月异发展以及图像传感设备日益革新，深度学习技术得到了长足的进步。特别是基于大数据的大型网络结构，在当下经济社会发展中起着越来越重大的作用。目前，在自动驾驶领域基于鸟瞰图(bird's-eye view，简称bev)数据结构的端到端控制技术和局部控车技术等也逐渐成为当下发展的主流。基于bev的方法融合了前端的各项输入，对后端控制提出了新的要求，改变了当前的自动驾驶模式，为自动驾驶领域的发展注入了新的活力。
2、然而，bev数据仍是基于大数据而获得的一种参数较为庞大的数据结构，虽然与真正的大模型结构相比，参数量相去甚远；但相较于一般网络结构而言，其参数量无疑是巨大的。因此，为获得良好的模型结构，就必须进行大量的数据训练。但受限于深度方向的传感问题、图像拼接问题和标注的细致问题，bev数据标注还停留在人工阶段，标注效率低。
技术实现思路
1、有鉴于此，本专利技术提供...
【技术保护点】
1.一种鸟瞰图静态数据标注方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标区域对应的全局众包地图，包括：
3.根据权利要求1所述的方法，其特征在于，基于目标车辆在所述目标区域内行驶过程中对采集的图像进行语义分割得到的语义分割图及其对应的定位结果，构建第一局部众包地图，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于预设鸟瞰图视场范围和所述定位结果在所述全局众包地图中提取第二局部众包地图和第三局部众包地图，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述预设鸟瞰...
【技术特征摘要】
1.一种鸟瞰图静态数据标注方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标区域对应的全局众包地图，包括：
3.根据权利要求1所述的方法，其特征在于，基于目标车辆在所述目标区域内行驶过程中对采集的图像进行语义分割得到的语义分割图及其对应的定位结果，构建第一局部众包地图，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于预设鸟瞰图视场范围和所述定位结果在所述全局众包地图中提取第二局部众包地图和第三局部众包地图，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述预设鸟瞰图视场范围转换为提取地图的图像范围，包括：
6.根据权利要求3所述的方法，其特征在于，在基于目标车辆在所述目标区域内行驶过程中对采集的图像进行语义分割得到的语义分割图及其对应的定位结果，构建...
【专利技术属性】
技术研发人员：任祥云，罗毅，白斌，康轶非，姚志伟，
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。