一种自动驾驶用感知数据集的批量生成方法与流程

本发明涉及智能驾驶仿真数据处理，特别涉及一种自动驾驶用感知数据集的批量生成方法。

背景技术：

1、自动驾驶技术可以提高交通安全、减少交通事故，并且可以让驾驶变得方便和舒适。在实现完全自动驾驶之前，需要解决很多技术问题，其中之一就是如何生成足够的数据集以训练自动驾驶模型。

2、数据集生成是指通过各种手段获得或构造出一组数据集，用来训练机器学习模型。在自动驾驶技术中，数据集的生成是一个十分重要的环节，由于自动驾驶技术的复杂性和安全性要求，需要大量的数据集来支撑训练自动驾驶模型。

3、现有数据集生成技术多基于固定配置的传感器，在每一模拟场景中单一采集数据，这不仅导致重复搭建场景耗时巨大，而且为了丰富感知数据集，还需海量多样化的场景输入，进一步增加了数据集生成的难度。而传统方法受限于传感器安装于静止车辆上，依赖车辆及其周围环境的自然变动来捕获数据，面对如高峰期拥堵等复杂交通情景时，因环境变化缓慢，难以高效获取具有高度差异性的数据样本，从而影响了数据集的特异性和训练效果。

4、在实现上述相关技术的过程中，发明人发现相关技术存在以下问题：

5、相关技术提供的感知数据集生成方法在每帧场景中仅生成一次数据，其依赖大量的场景模型构建，无法实现对场景数据的充分利用，而目前使用sumo等交通流构建方式生成的大量场景难以保证数据集样本的差异性。

技术实现思路

1、为了解决现有技术存在的上述问题，本发明提供了一种自动驾驶用感知数据集的批量生成方法，用以实现特异性感知数据集的大批量高效生成。本发明提供的技术方案如下：

2、根据本发明实施例的一个方面，提供一种自动驾驶用感知数据集的批量生成方法，其特征在于，所述方法包括：

3、s10：获取真实道路场景对应的真实道路场景数据，所述真实道路场景数据包括车辆元素数据、行人元素数据和环境元素数据；

4、s20：采用统计学和机器学习方法计算得到所述真实道路场景数据对应的真实道路流量分布模型，并根据所述道路流量分布模型生成所述真实道路场景数据对应的仿真道路场景，所述仿真道路场景包括仿真车辆元素、仿真行人元素、仿真环境元素；

5、s30：将所述仿真道路场景中任一仿真车辆元素确定为观测对象进行观测，在所述观测对象预设位置配置预设的仿真传感器，并通过所述仿真传感器获取所述观测对象对周围各仿真道路场景元素的感知数据，再根据获取的感知数据，对所述仿真道路场景中各感知数据对应的仿真道路场景元素进行标注；

6、s40：将所述仿真道路场景中未被观测的任一仿真车辆元素更新为观测对象，执行s30中所述在所述观测对象预设位置配置预设的仿真传感器的步骤，直至各仿真车辆元素均被观测，生成得到自动驾驶用感知数据集；

7、s50：重复执行s10至s40，直至自动驾驶用感知数据集的数量满足预设生成数量。

8、优选的，在s30之前，所述方法还包括：

9、若检测出所述仿真道路场景存在预设仿真道路场景元素的损坏或缺失时，将损坏或缺失的各个仿真道路场景元素确定为待处理仿真元素，并在所述仿真道路场景中按预设元素添加规则添加各个待处理仿真元素对应的替代仿真道路场景元素；

10、所述预设仿真道路场景元素包括车辆元素、行人元素和环境元素；

11、所述预设元素添加规则包括各替代仿真道路场景元素在所述预设仿真道路场景中对应的添加位置条件。

12、优选的，所述替代仿真道路场景元素是预存于道路场景元素数据库中的各个仿真道路场景元素，所述替代仿真道路场景元素根据不同真实道路场景元素仿真所得。

13、优选的，所述方法还包括：

14、若检测出所述仿真道路场景存在仿真道路场景元素的数量不满足预设数量时，将不满足预设数量的各个仿真道路场景元素确定为待增设仿真元素，并在所述仿真道路场景中按预设元素添加规则添加各个待增设仿真元素对应的替代仿真道路场景元素。

15、优选的，s30还包括：

16、在执行所述在所述观测对象预设位置配置预设的仿真传感器的步骤后，将所述仿真车辆元素从所述仿真道路场景中移除，再执行所述通过所述仿真传感器获取所述观测对象对周围各仿真道路场景元素的感知数据，再根据获取的感知数据，对所述仿真道路场景中各感知数据对应的仿真道路场景元素进行标注的步骤，并在标注完成后，在所述仿真道路场景中恢复所述观测对象。

17、优选的，s30还包括：

18、在执行所述通过所述仿真传感器获取所述观测对象对周围各仿真道路场景元素的感知数据的步骤后，对感知数据进行预处理和清洗，再根据预处理和清洗的感知数据，执行对所述仿真道路场景中各感知数据对应的仿真道路场景元素进行标注的步骤。

19、优选的，所述仿真传感器包括仿真毫米波雷达、仿真摄像头。

20、与现有技术相比，本发明提供的一种自动驾驶用感知数据集的批量生成方法具有以下优点：

21、本发明提供的一种自动驾驶用感知数据集的批量生成方法，通过获取真实道路场景对应的真实道路场景数据，所述真实道路场景数据包括车辆元素数据、行人元素数据和环境元素数据；采用统计学和机器学习方法计算得到所述真实道路场景数据对应的真实道路流量分布模型，并根据所述道路流量分布模型生成所述真实道路场景数据对应的仿真道路场景，所述仿真道路场景包括仿真车辆元素、仿真行人元素、仿真环境元素；将所述仿真道路场景中任一仿真车辆元素确定为观测对象进行观测，在所述观测对象预设位置配置预设的仿真传感器，并通过所述仿真传感器获取所述观测对象对周围各仿真道路场景元素的感知数据，再根据获取的感知数据，对所述仿真道路场景中各感知数据对应的仿真道路场景元素进行标注；将所述仿真道路场景中未被观测的任一仿真车辆元素更新为观测对象，重复执行上述步骤，直至各仿真车辆元素均被观测，生成得到自动驾驶用感知数据集，从而通过少量真实道路场景数据的获取，以及对仿真道路场景中各仿真车辆元素的遍历观测实现特异性感知数据集的大批量高效生成。

22、需要说明的是，本发明根据简单的真实道路场景数据静态生成仿真道路场景，并通过仿真传感器在静态仿真道路场景中各个仿真车辆元素的依次移动配置，从不同仿真车辆元素视角进行仿真道路场景各仿真元素的感知数据获取，无需依赖大量的交通流数据进行复杂动态仿真道路场景生成，也不需要大量真实道路场景数据进行巨量的仿真道路场景，即可实现多种类自动驾驶用感知数据集的批量生成，从而达到提高自动驾驶用感知数据集生成效率的技术效果。

23、此外，本发明还利用仿真道路场景元素融合真实道路场景中真实场景元素，实现仿真道路场景的多样化生成，进一步提高特异性感知数据集的生成效率。

技术特征：

1.一种自动驾驶用感知数据集的批量生成方法，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，在s30之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述替代仿真道路场景元素是预存于道路场景元素数据库中的各个仿真道路场景元素，所述替代仿真道路场景元素根据不同真实道路场景元素仿真所得。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，s30还包括：

6.根据权利要求1所述的方法，其特征在于，s30还包括：

7.根据权利要求1所述的方法，其特征在于，所述仿真传感器包括仿真毫米波雷达、仿真摄像头。

技术总结本发明公开了一种自动驾驶用感知数据集的批量生成方法，涉及智能驾驶仿真数据处理技术领域。本方法通过获取真实道路场景对应的真实道路场景数据；计算得到真实道路场景数据对应的真实道路流量分布模型，并根据真实道路流量分布模型生成对应仿真道路场景；将任一仿真车辆元素配置预仿真传感器后作为观测对象，获取其对周围各仿真道路场景元素的感知数据，再根据获取的感知数据，对各感知数据对应的仿真道路场景元素进行标注；将未被观测的任一仿真车辆元素更新为观测对象，重复执行上述步骤至各仿真车辆元素均被观测，得到自动驾驶用感知数据集，可通过对仿真道路场景中各仿真车辆元素的遍历观测，实现特异性感知数据集的大批量高效生成。技术研发人员：刘美江,邓伟文,王莹,王浩宇,丁娟受保护的技术使用者：浙江天行健智能科技有限公司技术研发日：技术公布日：2024/9/29