【技术实现步骤摘要】
本申请涉及自动驾驶领域，具体而言，涉及一种基于车况真值数据的模型评测方法和装置。
技术介绍
1、自动驾驶中的数据闭环一直提升各种算法，尤其是感知算法的关键所在。在提升感知性能的过程中，一方面需要更多高价值的场景生成真值，作为模型训练与迭代的来源，一方面高价值的连续帧场景，也是评价模型性能的关键。
2、而在基于车况真值数据的模型评测场景中，通常是使用全量的车况真值数据对模型进行评测，但全量的车况真值数据，都需要进行人工标注，而大量真值标注的复杂性和人力成本都会降低模型评测的效率，进而导致基于车况真值数据的模型评测效率较低的问题出现。因此，存在基于车况真值数据的模型评测效率较低的问题。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种基于车况真值数据的模型评测方法和装置，以至少解决基于车况真值数据的模型评测效率较低的技术问题。
2、根据本申请实施例的一个方面，提供了一种基于车况真值数据的模型评测方法，包括：获取测试车辆的车况图像数据，其中，上述车况图像数据为上述测试车辆在车况测试过程中被采集到的多个图像帧所构建的数据集；对上述车况图像数据中属于关键帧的图像数据进行抽取处理，得到多个路采测试数据，其中，上述关键帧为包含三维信息的图像帧；在对上述多个路采测试数据进行真值标注的情况下，将上述多个路采测试数据输入真值构建模型进行训练，直至得到训练好的真值构建模型，其中，上述真值构建模型用于将输入的图像数据处理为真值数
3、根据本申请实施例的另一方面，还提供了一种基于车况真值数据的模型评测装置，包括：第一获取单元，用于获取测试车辆的车况图像数据，其中，上述车况图像数据为上述测试车辆在车况测试过程中被采集到的多个图像帧所构建的数据集；抽取单元，用于对上述车况图像数据中属于关键帧的图像数据进行抽取处理，得到多个路采测试数据，其中，上述关键帧为包含三维信息的图像帧；训练单元，用于在对上述多个路采测试数据进行真值标注的情况下，将上述多个路采测试数据输入真值构建模型进行训练，直至得到训练好的真值构建模型，其中，上述真值构建模型用于将输入的图像数据处理为真值数据，上述真值数据用于指示有效对象在上述输入的图像数据中的真实情况，上述测试车辆属于上述有效对象；真值单元，用于将上述车况图像数据输入上述训练好的真值构建模型，得到上述测试车辆的车况真值数据，其中，上述车况真值数据用于指示至少两个有效对象在上述车况图像数据中的真实情况，上述至少两个有效对象包括上述测试车辆；拓扑单元，用于以上述测试车辆为起点，按照与上述测试车辆之间由近至远的距离，将上述至少两个有效对象进行拓扑构建，得到上述至少两个有效对象在各个上述图像帧之间的拓扑关系；评测单元，用于在将上述车况图像数据输入待评测的目标跟踪模型，得到跟踪结果的情况下，利用上述拓扑关系与上述跟踪结果之间的匹配程度，对上述目标跟踪模型进行模型评测，得到评测指标，其中，上述目标跟踪模型用于识别和跟踪上述有效对象的位置和运动轨迹，上述跟踪结果为上述目标跟踪模型对上述至少两个有效对象进行识别和跟踪后得到的预估结果，上述评测指标用于衡量上述目标跟踪模型的预估准确性，上述匹配程度与上述预估准确性之间呈正相关关系。
4、根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述基于车况真值数据的模型评测方法。
5、根据本申请实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过上述计算机程序执行上述的基于车况真值数据的模型评测方法。
6、在本申请实施例中，获取测试车辆的车况图像数据，其中，上述车况图像数据为上述测试车辆在车况测试过程中被采集到的多个图像帧所构建的数据集；对上述车况图像数据中属于关键帧的图像数据进行抽取处理，得到多个路采测试数据，其中，上述关键帧为包含三维信息的图像帧；在对上述多个路采测试数据进行真值标注的情况下，将上述多个路采测试数据输入真值构建模型进行训练，直至得到训练好的真值构建模型，其中，上述真值构建模型用于将输入的图像数据处理为真值数据，上述真值数据用于指示有效对象在上述输入的图像数据中的真实情况，上述测试车辆属于上述有效对象；将上述车况图像数据输入上述训练好的真值构建模型，得到上述测试车辆的车况真值数据，其中，上述车况真值数据用于指示至少两个有效对象在上述车况图像数据中的真实情况，上述至少两个有效对象包括上述测试车辆；以上述测试车辆为起点，按照与上述测试车辆之间由近至远的距离，将上述至少两个有效对象进行拓扑构建，得到上述至少两个有效对象在各个上述图像帧之间的拓扑关系；在将上述车况图像数据输入待评测的目标跟踪模型，得到跟踪结果的情况下，利用上述拓扑关系与上述跟踪结果之间的匹配程度，对上述目标跟踪模型进行模型评测，得到评测指标，其中，上述目标跟踪模型用于识别和跟踪上述有效对象的位置和运动轨迹，上述跟踪结果为上述目标跟踪模型对上述至少两个有效对象进行识别和跟踪后得到的预估结果，上述评测指标用于衡量上述目标跟踪模型的预估准确性，上述匹配程度与上述预估准确性之间呈正相关关系。
7、采用车况图像数据中进行关键帧抽取的方式，仅处理包含三维信息的图像帧，减少了需要处理的数据量，从而降低了计算复杂度和人力成本。以及，通过训练真值构建模型，自动将输入的图像数据处理为真值数据，从而减少了人工标注真值数据的需求。进一步利用拓扑关系对目标跟踪模型进行评测，通过分析有效对象在各个图像帧之间的拓扑关系，更准确地衡量目标跟踪模型的预估准确性。由此可见，本实施例在整个过程中，从关键帧抽取、真值构建模型训练到拓扑关系构建和模型评测，都是自动化进行的，进而达到了减少了人工干预，提高了整体处理速度的目的，从而实现了提高基于车况真值数据的模型评测效率的技术效果，进而解决了基于车况真值数据的模型评测效率较低的技术问题。...
【技术保护点】
1.一种基于车况真值数据的模型评测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述以所述测试车辆为起点，按照与所述测试车辆之间由近至远的距离，将所述至少两个有效对象进行拓扑构建，得到所述至少两个有效对象在各个所述图像帧之间的拓扑关系，包括：
3.根据权利要求2所述的方法，其特征在于，在所述利用所述拓扑关系与所述跟踪结果之间的匹配程度，对所述目标跟踪模型进行模型评测，得到评测指标之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述第二图像帧对应的跟踪对象进行深度评测，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述车况图像数据中属于关键帧的图像数据进行抽取处理，得到多个路采测试数据，包括：
6.根据权利要求5所述的方法，其特征在于，在所述将所述图像数据集中属于所述关键帧的图像数据，作为所述路采测试数据，得到所述多个路采测试数据之前，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，在所述获取测试车辆的车况图像数据之前，所述方法还包括：
...【技术特征摘要】
1.一种基于车况真值数据的模型评测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述以所述测试车辆为起点，按照与所述测试车辆之间由近至远的距离，将所述至少两个有效对象进行拓扑构建，得到所述至少两个有效对象在各个所述图像帧之间的拓扑关系，包括：
3.根据权利要求2所述的方法，其特征在于，在所述利用所述拓扑关系与所述跟踪结果之间的匹配程度，对所述目标跟踪模型进行模型评测，得到评测指标之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述第二图像帧对应的跟踪对象进行深度评测，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述车况图像数据中属于关键帧的图像数据进行抽取处理，得到多个路采测试数据，包括：
6.根据权利要求5所述的方法，其特征在于，在所述将所述图像数据集中属于所述关键帧的图像数据，作为所述路采测试数据，得到所述多个路采测试数据之前，所述方法还包括：
7.根据权利要求1所述的方法，...
【专利技术属性】
技术研发人员：谢忠鑫，洪伟，朱子凌，
申请(专利权)人：福思杭州智能科技有限公司，
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。