一种改进的智能驾驶难例识别方法及装置与流程

1.本发明涉及自动驾驶数据处理领域，特别是涉及一种改进的智能驾驶难例识别方法及装置。


背景技术：

2.随着人工智能技术的发展，用户对于智能驾驶相关产品在汽车上的快速落地需求，自动驾驶相关产品的安全、稳定性成为重要研究方向。现阶段主流方法均基于深度学习技术完成对汽车行驶过程中的场景识别，深度学习模型的训练数据直接决定最终感知模型识别精度。因为交通场景的复杂多变性，无法完成对所有交通场景的覆盖学习，所以感知模型对于无法识别、识别错误的场景需要长时间的数据积累学习，该过程会耗费大量的人力物力资源。
3.传统的智能驾驶难例场景挖掘方法需要耗费大量的测试人员跟车测试，依靠技术人员的经验来采集潜在的难例场景数据，该方法严重耗费人力物力资源，并且对于采集人员的技术素养要求高，具体实施过程中也会产生大量的无效采集数据，效率低下，为此，我们提供一种改进的智能驾驶难例识别方法及装置。


技术实现要素：

4.为了克服现有技术的不足，本发明提供一种改进的智能驾驶难例识别方法及装置，旨在解决传统的自动驾驶难例场景挖掘方法的成本高昂、效率低下问题。
5.为解决上述技术问题，本发明提供如下技术方案：一种改进的智能驾驶难例识别方法，包括以下步骤：
6.步骤一，获取车辆行驶连续事件tn；
7.步骤二，提取异常事件tx,异常前事件tx-1,异常后事件tx 1；
8.步骤三，对前后事件的感知结果进行相似度分析；
9.步骤四，判定结果如满足预设阈值条件，则判定为异常事件；
10.步骤五，获取事件的多传感器感知结果对数据预标注；
11.步骤六，将预标注结果存入难例数据库。
12.作为本发明的一种优选技术方案，步骤三中，针对tx，分别进行前后事件tx-1和tx 1的相似度分析，得到结果sx-1和sx 1。
13.作为本发明的一种优选技术方案，步骤四中，如果事件分析的感知结果大于预设的差异值，则判定为难例场景，并将该事件tx的相应数据自动存入采集装置的存储设备。
14.作为本发明的一种优选技术方案，步骤五中，多传感器包括设置在车辆上的摄像头、湿度传感器和感知设备，提取判定为异常时间点的工况信息，对相应的图像进行预标注，存入难例数据库。
15.作为本发明的一种优选技术方案，步骤一中，提取车辆在实际道路运行过程中的连续事件为tn，tn同时包含了当前连续驾驶过程中的感知结果信息。
16.作为本发明的一种优选技术方案，所述工况信息包括天气、时间、道路类型等。
17.本发明还提供另一种优选技术方案，一种改进的智能驾驶难例识别装置，包括车辆本体和分别设置在车辆本体前端的摄像头和温湿度传感器，所述车辆本体驾驶室内设置有与摄像头和温湿度传感器通过信号连接的感知设备，所述感知设备的输出端分别信号连接有难例判定模组和储存设备，所述难例判定模组和储存设备的输出端分别信号连接有难例数据库，所述储存设备的输出端还与感知设备的输入端信号连接。
18.作为本发明的一种优选技术方案，所述感知设备包括感知模组、通信模组和处理器模组。
19.与现有技术相比，本发明能达到的有益效果是：
20.本发明装置成本低廉，且能够精准的自动采集当前感知模型所需要的难例数据，整个采集过程无需技术人员跟车测试，有效提升采集效率，具备较高的推广价值；
21.结合摄像头、湿度传感器、难例事件前后的感知信息，为挖掘到的难例事件进行预标注，能够有效减少后期对于数据的标注成本和后续感知模型训练标注的工作量。
附图说明
22.图1为本发明一种改进的智能驾驶难例识别方法的步骤图；
23.图2为本发明一种改进的智能驾驶难例识别装置的系统图；
24.图3为本发明一种改进的智能驾驶难例识别装置的结构示意图。
25.其中：1、车辆本体；2、摄像头；3、温湿度传感器。
具体实施方式
26.为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本发明，但下述实施例仅仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本发明的保护范围。下述实施例中的实验方法，如无特殊说明，均为常规方法，下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。
27.实施例:
28.如图1所示，本发明提供一种改进的智能驾驶难例识别方法，包括以下步骤：
29.步骤一，获取车辆行驶连续事件tn，提取车辆在实际道路运行过程中的连续事件为tn，tn同时包含了当前连续驾驶过程中的感知结果信息；
30.步骤二，提取异常事件tx,异常前事件tx-1,异常后事件tx 1；
31.步骤三，对前后事件的感知结果进行相似度分析，针对tx，分别进行前后事件tx-1和tx 1的相似度分析，得到结果sx-1和sx 1；
32.步骤四，判定结果如满足预设阈值条件，则判定为异常事件，如果事件分析的感知结果大于预设的差异值，则判定为难例场景，并将该事件tx的相应数据自动存入采集装置的存储设备；
33.步骤五，获取事件的多传感器感知结果对数据预标注，多传感器包括设置在车辆上的摄像头2、湿度传感器3和感知设备，提取判定为异常时间点的工况信息，对相应的图像进行预标注，存入难例数据库，同时工况信息包括天气、时间、道路类型等；
34.步骤六，将预标注结果存入难例数据库，整合所有的异常感知结果事件，即完成对连续事件tn的难例数据识别挖掘工作。
35.如图2和图3所示，本发明还提供一种改进的智能驾驶难例识别装置，包括车辆本体1和分别设置在车辆本体1前端的摄像头2和温湿度传感器3，车辆本体1驾驶室内设置有与摄像头2和温湿度传感器3通过信号连接的感知设备，感知设备的输出端分别信号连接有难例判定模组和储存设备，难例判定模组和储存设备的输出端分别信号连接有难例数据库，储存设备的输出端还与感知设备的输入端信号连接；其中，感知设备包括感知模组、通信模组和处理器模组。
36.本实施方案中，在车辆本体1行驶时，通过摄像头2对路况进行全程的摄像和温湿度传感器3对环境进行温湿度的检测，并将信息传输到感知设备中，通过感知设备中的感知模组、通信模组和处理器模组的使用，提取判定为异常时间点的工况信息，对相应的图像进行预标注，存入难例数据库。
37.本发明的有益效果如下：
38.改进后的智能驾驶难例识方法及装置，操作简单，能够精准挖掘所需要的智能驾驶难例场景，全程无需技术人员参与；
39.结合摄像头、湿度传感器、难例事件前后的感知信息，为挖掘到的难例事件进行预标注，能够有效减少后期对于数据的标注成本和后续感知模型训练标注的工作量。
40.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。


技术特征：
1.一种改进的智能驾驶难例识别方法，其特征在于，包括以下步骤：步骤一，获取车辆行驶连续事件tn；步骤二，提取异常事件tx,异常前事件tx-1,异常后事件tx 1；步骤三，对前后事件的感知结果进行相似度分析；步骤四，判定结果如满足预设阈值条件，则判定为异常事件；步骤五，获取事件的多传感器感知结果对数据预标注；步骤六，将预标注结果存入难例数据库。2.根据权利要求1所述的一种改进的智能驾驶难例识别方法，其特征在于，步骤三中，针对tx，分别进行前后事件tx-1和tx 1的相似度分析，得到结果sx-1和sx 1。3.根据权利要求2所述的一种改进的智能驾驶难例识别方法，其特征在于，步骤四中，如果事件分析的感知结果大于预设的差异值，则判定为难例场景，并将该事件tx的相应数据自动存入采集装置的存储设备。4.根据权利要求1所述的一种改进的智能驾驶难例识别方法，其特征在于，步骤五中，多传感器包括设置在车辆上的摄像头(2)、湿度传感器(3)和感知设备，提取判定为异常时间点的工况信息，对相应的图像进行预标注，存入难例数据库。5.根据权利要求1所述的一种改进的智能驾驶难例识别方法，其特征在于，步骤一中，提取车辆在实际道路运行过程中的连续事件为tn，tn同时包含了当前连续驾驶过程中的感知结果信息。6.根据权利要求4所述的一种改进的智能驾驶难例识别方法，其特征在于，所述工况信息包括天气、时间、道路类型等。7.根据权利要求1-6任意一种所述的一种改进的智能驾驶难例识别装置，其特征在于，包括车辆本体(1)和分别设置在车辆本体(1)前端的摄像头(2)和温湿度传感器(3)，所述车辆本体(1)驾驶室内设置有与摄像头(2)和温湿度传感器(3)通过信号连接的感知设备，所述感知设备的输出端分别信号连接有难例判定模组和储存设备，所述难例判定模组和储存设备的输出端分别信号连接有难例数据库，所述储存设备的输出端还与感知设备的输入端信号连接。8.根据权利要求7所述的一种改进的智能驾驶难例识别装置，其特征在于，所述感知设备包括感知模组、通信模组和处理器模组。

技术总结
本发明公开了一种改进的智能驾驶难例识别方法及装置，难例识别方法为获取车辆行驶连续事件Tn，提取异常事件Tx,异常前事件Tx-1,异常后事件Tx 1，对前后事件的感知结果进行相似度分析，判定结果如满足预设阈值条件，则判定为异常事件，获取事件的多传感器感知结果对数据预标注，将预标注结果存入难例数据库，同时包括设置在车辆本体中的摄像头、温湿度传感器、感知设备、难例判定模组和储存设备；本发明不但能够精准的自动采集当前感知模型所需要的难例数据，并且整个采集过程无需技术人员跟车测试，能够有效减少采集成本，加速感知模型优化。优化。优化。


技术研发人员：李鑫武 丁华杰 谷俊 赵佳佳
受保护的技术使用者：上海寻序人工智能科技有限公司
技术研发日：2022.08.19
技术公布日：2022/12/1