【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数据的获取效率和数据质量，以提高自动驾驶模型迭代升级的效率和性能的提升。
2、在第一方面，提供一种数据生成方法，所述方法包括：
3、获取智能设备上第一自动驾驶模型的运行数据，所述智能设备上设置有传感器，所述传感器用于采集所述智能设备所在环境的环境数据，所述第一自动驾驶模型用于在所述智能设备进入智能驾驶模式时根据所述环境数据确定第一自动驾驶决策，所述运行数
4、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，并根据所述第一属性信息对所述目标进行标注得到所述目标的标注信息，所述标注信息用于指示所述第一属性信息；
5、根据所述环境数据与所述目标的标注信息，生成环境标注数据，所述环境标注数据用于训练所述第一自动驾驶模型；
6、其中，
7、所述智能设备上设置有第二自动驾驶模型，所述第二自动驾驶模型用于在所述智能设备进入智能驾驶模式时根据所述环境数据确定第二自动驾驶决策并控制所述智能设备执行所述第二自动驾驶决策。
8、在上述数据生成方法的一个技术方案中，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；
9、其中，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。
10、在上述数据生成方法的一个技术方案中，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：
11、根据所述环境数据，预测所述环境中目标的目标轨迹；
12、基于所述安全目标，并根据所述智能设备的未来轨迹与所述目标轨迹，确定所述最晚制动时间；
13、根据所述最晚制动时间，获取所述目标的第一属性信息。
14、在上述数据生成方法的一个技术方案中，所述方法还包括：
15、根据所述目标的标注信息，筛选特定目标，所述特定目标是所述第一属性信息满足预设筛选条件的目标；
16、响应于用户的操作，修改所述特定目标的标注信息，并根据修改后的标注信息与所述环境数据，生成环境标注数据；
17、其中，所述修改后的标注信息用于指示所述特定目标的第二属性信息。
18、在上述数据生成方法的一个技术方案中，所述目标为目标，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；
19、所述预设筛选条件为所述最晚制动时间小于预设的时间阈值。
20、在上述数据生成方法的一个技术方案中，所述根据所述环境数据与所述目标的标注信息，生成环境标注数据，包括：
21、采用第一感知模型对所述环境数据进行目标感知，以获取所述目标的检测框；
22、根据所述环境数据、所述检测框与所述标注信息，生成环境标注数据；
23、其中，
24、所述第一感知模型与所述智能设备上设置的实际感知模型相同，所述实际感知模型用于对所述传感器采集的环境数据进行目标感知得到第一感知数据；
25、所述第一自动驾驶模型与所述第二自动驾驶模型分别用于根据所述第一感知数据，确定所述第一自动驾驶决策和所述第二自动驾驶决策。
26、在上述数据生成方法的一个技术方案中，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：
27、采用第二感知模型对所述运行数据中的环境数据进行目标感知，得到第二感知数据；
28、根据所述第二感知数据，获取所述环境中目标的第一属性信息；
29、其中，
30、所述第二感知模型的感知精度高于所述第一感知模型的感知精度。
31、在上述数据生成方法的一个技术方案中，所述第一自动驾驶模型和/或所述第二自动驾驶模型为端到端的深度学习模型。
32、在第二方面，提供一种数据生成系统，所述系统包括：
33、数据获取模块，其被配置成获取智能设备上第一自动驾驶模型的运行数据，所述智能设备上设置有传感器，所述传感器用于采集所述智能设备所在环境的环境数据，所述第一自动驾驶模型用于在所述智能设备进入智能驾驶模式时根据所述环境数据确定第一自动驾驶决策，所述运行数据包括所述环境数据；
34、第一数据标注模块，其被配置成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，并根据所述第一属性信息对所述目标进行标注得到所述目标的标注信息，所述标注信息用于指示所述第一属性信息；
35、数据生成模块，其被配置成根据所述环境数据与所述目标的标注信息，生成环境标注数据，所述环境标注数据用于训练所述第一自动驾驶模型；
36、其中，
37、所述智能设备上设置有第二自动驾驶模型，所述第二自动驾驶模型用于在所述智能设备进入智能驾驶模式时根据所述环境数据确定第二自动驾驶决策并控制所述智能设备执行所述第二自动驾驶决策。
38、在上述数据生成系统的一个技术方案中，所述系统包括第二数据标注模块，所述第二数据标注模块被配置成：
39、根据所述目标的标注信息，筛选特定目标，所述特定目标是所述第一属性信息满足预设筛选条件的目标；
40、响应于用户的操作，修改所述特定目标的标注信息，并根据修改后的标注信息与所述环境数据，生成环境标注数据；
41、其中，所述修改后的标注信息用于指示所述特定目标的第二属性信息。
42、在第三方面，提供一种服务器备，该服务器包括至少一个处理器；以及，与所述至少一个处理器通信连接的本文档来自技高网...
【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所述的方法，其特征在于，所述根据所述环境数据与所述目标的标注信息，生成环境标注数据，包括：
7.根据权利要求6所述的方法，其特征在于，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：
9.一种数据生成系统，其特征在于，所述系统包括：
10.根据权利要求9所述的系统，其特征在于，所述系统包括第二数据标注模块，所述第二数据标注模块被配置成：
11.一种服务器，其特征在于，包括：
12.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至8中任一项所述的数据生成方法。
...【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：
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。