数据生成方法、系统、服务器及存储介质技术方案

本申请涉及自动驾驶技术领域，具体提供一种数据生成方法、系统、服务器及存储介质，旨在解决提高数据获取效率和质量的问题。为此目的，本申请提供的方法包括获取智能设备上第一自动驾驶模型的运行数据，第一自动驾驶模型用于根据智能设备所在环境的环境数据确定第一自动驾驶决策，运行数据包括环境数据；根据运行数据中的环境数据，获取智能设备所在环境中目标的第一属性信息，根据第一属性信息对目标进行标注得到目标的标注信息；根据环境数据与目标的标注信息，生成环境标注数据，环境标注数据用于训练第一自动驾驶模型。通过上述方法能够显著提高环境标注数据的获取效率和质量，从而有利于提高第一自动驾驶模型迭代升级的效率和性能的提升。

【技术实现步骤摘要】

本申请涉及自动驾驶，具体涉及一种数据生成方法、系统、服务器及存储介质。

技术介绍

1、在对车辆等智能设备进行自动驾驶控制时通常是采用自动驾驶模型来实现自动驾驶控制，目前自动驾驶模型主要是基于深度学习（deep learning）方法的模型。对于深度学习方法而言，数据、算法和算力是其关键要素，其中数据更是深度学习方法的重要驱动。在自动驾驶领域中，需要使用大量不同驾驶场景下的数据训练自动驾驶模型，数据的质量和数量决定了自动驾驶模型的性能，因此，获取大批量且高质量的数据至关重要。

2、但是，目前常规的数据获取方法主要是由专业人员分别前往不同的驾驶场景去获取，相当于是一种人工获取方法，这种方法的效率非常低，并且无法涵盖比较多的驾驶场景。基于此，利用这种方法获取的数据训练自动驾驶模型，会严重影响自动驾驶模型迭代升级的效率和性能的提升。

3、相应地，本领域需要一种新的技术方案来解决上述问题。

技术实现思路

1、为了克服上述缺陷，提出了本申请，以解决或至少部分地解决如下技术问题：提高自动驾驶模型训练本文档来自技高网...

【技术保护点】

1.一种数据生成方法，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，所述目标为障碍物，所述目标的第一属性信息包括基于安全目标的最晚制动时间；

3.根据权利要求2所述的方法，其特征在于，所述运行数据包括所述第一自动驾驶决策，所述第一自动驾驶决策包括所述智能设备的未来轨迹，所述根据所述运行数据中的环境数据，获取所述智能设备所在环境中目标的第一属性信息，包括：

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述目标为障碍物，所述第一属性信息与所述第二属性信息均为基于安...

【技术特征摘要】

1.一种数据生成方法，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，所述目标为障碍物，所述目标的第一属性信息包括基于安全目标的最晚制动时间；

3.根据权利要求2所述的方法，其特征在于，所述运行数据包括所述第一自动驾驶决策，所述第一自动驾驶决策包括所述智能设备的未来轨迹，所述根据所述运行数据中的环境数据，获取所述智能设备所在环境中目标的第一属性信息，包括：

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述目标为障碍物，所述第一属性信息与所述第二属性信息均为基于安全目标的最晚制动时间，所述最晚制动时间为所述智能设备开始制动的最晚时间，所述安全目标为防止所述智能设备与所述目标发生碰撞；

6.根据权利要求1所述的方...

【专利技术属性】
技术研发人员：彭琦翔，单为，郭展羽，秦永强，邓浩平，任少卿，
申请(专利权)人：安徽蔚来智驾科技有限公司，
类型：发明
国别省市：