【技术实现步骤摘要】
本专利技术涉及自动驾驶，具体而言，涉及一种实时车端数据筛选方法、装置、设备、介质及车辆。
技术介绍
1、自动驾驶车辆需要依赖从传感器、激光雷达采集到的车端周围环境数据才能实现自动驾驶。因此，目前全球的自动驾驶公司和车企们都有大规模的车队搭载着摄像头、毫米波雷达和激光雷达等传感器在各地、各种路况、各种气候条件下进行路测。
2、据估计，行驶状态下的自动驾驶出租车平均每小时就产生1tb的数据量，如果运营超过200台自动驾驶车队，一天之内就可以产生达到pb级的海量的车端数据。为了有效利用采集到的海量的车端周围环境数据，必须对采集到的车端周围环境数据进行必要的清洗和筛选，从而筛选出真正有利于自动驾驶算法迭代的车端周围环境数据。
3、传统的车端数据筛选方法主要基于人工筛选以及部分离线程序对车端数据进行筛选。具体筛选方法为：首先通过车端传感器采集车端周围环境数据，再将采集的全部车端周围环境数据传输至云端，最后通过人工标注员进行细粒度筛选或基于提前设定好的判断规则通过离线软件自动筛选得到真正有利于自动驾驶算法的迭代的车端周围环境
本文档来自技高网...
【技术保护点】
1.一种实时车端数据筛选方法，其特征在于，所述方法应用于车端计算芯片，所述方法包括：
2.如权利要求1所述的方法，其特征在于，在将所述初始筛选后数据作为最终筛选后数据的步骤之后，所述方法还包括：
3.如权利要求1所述的方法，其特征在于，所述当所述车端周围环境数据符合预设图像筛选规则时，将所述车端周围环境数据作为初始筛选后数据的步骤，包括：
4.如权利要求1所述的方法，其特征在于，所述根据预先建立的大型神经网络模型和小型神经网络模型分别对所述初始筛选后数据进行检测得到所述目标被遮挡车辆的两个检测结果，当所述两个检测结果之间的差别大于预...
【技术特征摘要】
1.一种实时车端数据筛选方法，其特征在于，所述方法应用于车端计算芯片，所述方法包括：
2.如权利要求1所述的方法，其特征在于，在将所述初始筛选后数据作为最终筛选后数据的步骤之后，所述方法还包括：
3.如权利要求1所述的方法，其特征在于，所述当所述车端周围环境数据符合预设图像筛选规则时，将所述车端周围环境数据作为初始筛选后数据的步骤，包括：
4.如权利要求1所述的方法，其特征在于，所述根据预先建立的大型神经网络模型和小型神经网络模型分别对所述初始筛选后数据进行检测得到所述目标被遮挡车辆的两个检测结果，当所述两个检测结果之间的差别大于预设差别阈值时，将所述初始筛选后数据作为最终筛选后数据的步骤，包括：
5.如权利要求4所述的方法，其特征在于，所述大型神经网络模型的训练过程为：
6.如权利要求4所述的方法，其特征在于，所述大型神经网络模型为轻量化卷积神经网络模型对应的放大模型或者开源视觉神经网络模型。
7.如权利要求6所述的方法，其特征在于，所述轻量化卷积神经网络模型对应的放大模型的确定方式为：
8.如权利要求6所述的方法，其特征在于，所述开源视觉神经网络模型为深度残差网络resnet-50模型。
9.一种实时车端数据筛选装置，其特征在于，所述装置应用于车端计算芯片，所述...
【专利技术属性】
技术研发人员：陈彦君，李牧昀，刘运泽，陈铭，刘宇冲，李琦，李豪雨，刘伟，
申请(专利权)人：魔门塔苏州科技有限公司，
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。