数据获取方法及其装置制造方法及图纸

本申请是关于一种数据获取方法及其装置，用于通过图像变换获取车道变换场景下的变道模拟数据，降低变道模拟数据的采集难度，可以大量采集变道模拟数据，同时节约数据采集成本。该获取方法包括：首先，获取在直行状态下车辆周边的原始道路图像；其次，根据车辆在车道变换过程中的位置，对原始道路图像执行预设变道模拟操作，生成车辆在不同位置对应的变道模拟图像，预设变道模拟操作包括以下至少一项：旋转、偏移；最后，从变道模拟图像中提取相应的变道模拟数据，变道模拟数据用于对检测路面元素的神经网络模型进行数据训练。

【技术实现步骤摘要】
数据获取方法及其装置
本申请涉及自动驾驶
，尤其涉及一种数据获取方法及其装置。
技术介绍
随着自动驾驶技术的不断发展，自动驾驶车辆的自主变道方法也得到了更多的关注，自动变道要求自动驾驶汽车在道路上自主选择行驶车道并进行变道操作，适当的变道决策可以更好地完成驾驶任务，还可以避免交通拥堵，提高通行效率，避免交通事故，保证道路安全。因此，自主变道已成为当前自动驾驶技术面临的重大问题。在目前相关的自主变道技术中，在车道线、箭头、停止线、斑马线等路面元素感知任务中，会遇到车辆变道时刻，而这种时刻图片数据量占比很少并且采集较为困难，尤其是在高速、环路等车辆比较多或者车速比较快等场景下的数据采集，使得车辆对路面元素的感知能力弱。可见目前的自动驾驶汽车对变道数据的采集困难，可能会带来安全隐患。
技术实现思路
为克服相关技术中存在的问题，本申请提供一种数据获取方法及其装置，用于通过图像变换获取车道变换场景下的变道模拟数据，降低变道模拟数据的采集难度，可以大量采集变道模拟数据，同时节约数据采集成本。本申请第一方面提供了一种数据获取方法，该数据获取方法用于通过图像变换获取车道变换场景下的变道模拟数据，该方法包括：首先，获取在直行状态下车辆周边的原始道路图像；其次，根据所述车辆在车道变换过程中的位置，对所述原始道路图像执行预设变道模拟操作，生成所述车辆在不同位置对应的变道模拟图像，所述预设变道模拟操作包括以下至少一项：旋转、偏移；最后，从所述变道模拟图像中提取相应的变道模拟数据，所述变道模拟数据用于对检测路面元素的神经网络模型进行数据训练。在本申请的一种可能的实现方式中，所述根据所述车辆在车道变换过程中的位置，对所述原始道路图像执行预设变道模拟操作，包括：根据所述车辆在车道变换过程中的位置确定对应的偏移量和旋转角度；根据所述偏移量和所述旋转角度对所述原始道路图像执行所述预设变道模拟操作。在本申请的一种可能的实现方式中，在根据所述车辆在车道变换过程中的位置，对所述原始道路图像执行预设变道模拟操作之前，所述方法还包括：对所述原始道路图像中的道路元素进行标注，得到带有标注的原始道路图像。在本申请的一种可能的实现方式中，所述从所述变道模拟图像中提取相应的变道模拟数据，包括：根据所述变道模拟图像中被标注的道路元素提取所述变道模拟数据。在本申请的一种可能的实现方式中，所述预设变道模拟操作还包括以下至少一项：尺寸剪辑、尺寸缩放。在本申请的一种可能的实现方式中，所述原始道路图像包括在变道开始时刻车载摄像头采集到的图像，所述车载摄像头用于采集所述车辆前方的道路信息。在本申请的一种可能的实现方式中，所述变道模拟数据包括在车道变换过程中所述车辆周边的道路元素对应的数据。在本申请的一种可能的实现方式中，所述道路元素包括以下至少一项：车道线、车道中心线、指示箭头、停止线、或人行横道线。本申请第二方面提供了一种数据获取装置，包括：获取模块、生成模块和提取模块，其中，获取模块，用于获取在直行状态下车辆周边的原始道路图像；生成模块，用于根据所述车辆在车道变换过程中的位置，对所述原始道路图像执行预设变道模拟操作，生成所述车辆在不同位置对应的变道模拟图像，所述预设变道模拟操作包括以下至少一项：旋转、偏移；提取模块，用于从所述变道模拟图像中提取相应的变道模拟数据，所述变道模拟数据用于对检测路面元素的神经网络模型进行数据训练。本申请第三方面提供了一种数据获取装置，包括：处理器和存储器；所述存储器，用于存储可执行代码；所述处理器，用于通过调用所述可执行代码，以执行如上述第一方面及其任意一种可能的实现方式中所述的数据获取方法。本申请实施例的第四方面提供了一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上第一方面及其任意一种可能的实现方式中所述的车辆变道场景数据的获取方法。在本申请的技术方案中，根据车辆在车道变换过程中的位置，对原始道路图像执行预设变道模拟操作，生成车辆在不同位置对应的变道模拟图像；进而，从变道模拟图像中提取相应的变道模拟数据，其中，变道模拟数据用于对检测路面元素的神经网络模型进行数据训练。由于是通过图像变换取车道变换场景下的变道模拟数据，因此，可以有效地降低变道场景数据的采集难度，可以大量采集变道模拟数据，同时节约数据采集成本。进一步的，采集后的变道模拟数据包括车辆在车道变换过程中在不同位置对应的变道模拟图像，因此，其获取的变道模拟数据较为丰富，用于神经网络的数据训练，可以提升神经网络模型中模型参数的准确性，从而增强神经网络模型对路面元素的感知能力，最终可以提高自动驾驶或辅助驾驶的安全性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。图1是本申请实施例中提供的一种网络架构图；图2为本申请实施例中提供的数据获取方法的一个流程示意图；图3为本申请实施例中数据处理装置的一个结构示意图；图4为本申请实施例中数据处理装置的另一个结构示意图。具体实施方式下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。本申请实施例提供的方案涉及人工智能的自动驾驶等技术，具体通过如下实施例进行说明:图1是本申请实施例中提供的一种网络架构图。如图1所示，该网络架构可以包括业务服务器100以及终端设备，其中，上述终端设备的数量可以是两个或两个以上，如图1所示，具体可以包括终端设备10a、终端设备10b、……、终端设备10n。如图1所示，终端设备10a、终端设备10b本文档来自技高网...

【技术保护点】
1.一种数据获取方法，其特征在于，所述数据获取方法用于通过图像变换获取车道变换场景下的变道模拟数据，所述数据获取方法包括：/n获取在直行状态下车辆周边的原始道路图像；/n根据所述车辆在车道变换过程中的位置，对所述原始道路图像执行预设变道模拟操作，生成所述车辆在不同位置对应的变道模拟图像，所述预设变道模拟操作包括以下至少一项：旋转、偏移；/n从所述变道模拟图像中提取相应的变道模拟数据，所述变道模拟数据用于对检测路面元素的神经网络模型进行数据训练。/n

【技术特征摘要】
1.一种数据获取方法，其特征在于，所述数据获取方法用于通过图像变换获取车道变换场景下的变道模拟数据，所述数据获取方法包括：
获取在直行状态下车辆周边的原始道路图像；
根据所述车辆在车道变换过程中的位置，对所述原始道路图像执行预设变道模拟操作，生成所述车辆在不同位置对应的变道模拟图像，所述预设变道模拟操作包括以下至少一项：旋转、偏移；
从所述变道模拟图像中提取相应的变道模拟数据，所述变道模拟数据用于对检测路面元素的神经网络模型进行数据训练。


2.根据权利要求1所述的方法，其特征在于，
所述根据所述车辆在车道变换过程中的位置，对所述原始道路图像执行预设变道模拟操作，包括：
根据所述车辆在车道变换过程中的位置确定对应的偏移量和旋转角度；
根据所述偏移量和所述旋转角度对所述原始道路图像执行所述预设变道模拟操作。


3.根据权利要求1或2所述的方法，其特征在于，
在根据所述车辆在车道变换过程中的位置，对所述原始道路图像执行预设变道模拟操作之前，所述方法还包括：
对所述原始道路图像中的道路元素进行标注，得到带有标注的原始道路图像。


4.根据权利要求3中所述的方法，其特征在于，
所述从所述变道模拟图像中提取相应的变道模拟数据，包括：
根据所述变道模拟图像中被标注的道路元素提取所述变道模拟数据。


5.根...

【专利技术属性】
技术研发人员：李芹卜，朱磊，李成军，张海强，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：北京;11