【技术实现步骤摘要】
本申请涉及自动驾驶，具体而言，涉及一种关键数据筛选方法、装置、计算机设备及存储介质。
技术介绍
1、在自动驾驶技术中，自动驾驶车辆在道路行驶过程中，车上安装的各传感器可以采集相关的数据，如相机可以拍摄车辆周围环境图像，lidar(雷达)可以采集车辆周围的点云数据。并且，在感知环节，感知算法可以基于环境图像和点云数据分别进行感知，并对感知结果进行融合，得到目标识别结果；在规控环节，规控算法可以基于目标识别结果进行路径规划，得到路径规划结果。
2、正常情况下，在自动驾驶车辆行驶过程中，所有的数据都做同样的处理，如都只在缓存中存储很短的一段时间后被删除。然而，有一些数据还有其使用价值，如，可以使用大量的数据进行算法训练；或者，当前算法处理效果较差的场景中录制的数据，通过这些数据可以对算法进行评测，提升算法性能，进而提升自动驾驶车辆性能，提高用户在这些场景中的驾驶体验。因此，如何筛选自动驾驶车辆行驶过程中产生的有价值的关键数据，成为一个亟待解决的技术问题。
技术实现思路
1、本申请提供了一种关键数据筛选方法、装置、计算机设备及存储介质，以对车端产生的关键数据进行筛选。具体的技术方案如下。
2、第一方面，本申请实施例提供一种关键数据筛选方法，所述方法应用于自动驾驶车辆，所述方法包括：
3、获取所述自动驾驶车辆行驶过程中，车端产生的各类型数据；
4、在所述各类型数据中，识别预设类型的待检测数据，并根据预设对应关系，在剩余各类型数据中，确定存在对应
5、针对各所述待检测数据，对该待检测数据进行分析，确定该待检测数据是否为关键数据，并确定对应的标签类别；
6、针对各所述数据对，对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别。
7、由上述内容可知，本申请实施例提供的关键数据筛选方法，可以在获取到自动驾驶车辆行驶过程中产生的各类型数据后，根据各数据的类型，分别进行分析，识别出有使用价值的关键数据，以及对应的标签类别，从而在需要使用车端数据，如进行算法训练、传感器性能评测、算法评测等过程中，可以直接获取到所需类别的数据。
8、可选的，针对包括任一相机的视觉感知结果和雷达感知结果的数据对，所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
9、对所述视觉感知结果和雷达感知结果进行对比，确定是否存在以下任一情况：所述视觉感知结果中包括的任一目标未出现在所述雷达感知结果中，所述雷达感知结果中包括的任一目标未出现在所述视觉感知结果中；
10、如果存在，则确定所述视觉感知结果或所述雷达感知结果为关键数据，并确定对应的标签类别。
11、可选的，所述确定所述视觉感知结果或所述雷达感知结果为关键数据，并确定对应的标签类别的步骤包括：
12、获取所述视觉感知结果的第一置信度和所述雷达感知结果的第二置信度；
13、判断所述第一置信度和所述第二置信度差值的绝对值是否大于或等于预设阈值；
14、当所述第一置信度和所述第二置信度差值的绝对值大于或等于所述预设阈值时，获取所述视觉感知结果对应的视觉连续帧结果，以及所述雷达感知结果对应的雷达连续帧结果，并分别对所述视觉连续帧结果和所述雷达连续帧结果进行分析，确定关键数据以及对应的标签类别。
15、可选的，所述分别对所述视觉连续帧结果和所述雷达连续帧结果进行分析，确定关键数据以及对应的标签类别的步骤包括：
16、依次对所述视觉连续帧结果进行分析，确定是否存在以下任一情况：任一目标在所述视觉连续帧结果中出现中断，任一目标在所述视觉连续帧结果中连续出现的次数小于或等于预设第一最小次数；
17、如果存在，则确定所述视觉感知结果为关键数据，对应的标签类别为视觉感知算法；
18、依次对所述雷达连续帧结果进行分析，确定是否存在以下任一情况：任一目标在所述雷达连续帧结果中出现中断，任一目标在所述雷达连续帧结果中连续出现的次数小于或等于预设第二最小次数；
19、如果存在，则确定所述雷达感知结果为关键数据，对应的标签类别为雷达感知算法。
20、可选的，针对包括障碍物预测轨迹点和障碍物真实轨迹点的数据对，所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
21、判断所述障碍物预测轨迹点和所述障碍物真实轨迹点是否一致；
22、当所述障碍物预测轨迹点和所述障碍物真实轨迹点不一致时，确定所述障碍物预测轨迹点为关键数据，且对应的标签类别为障碍物轨迹预测算法。
23、可选的，当所述自动驾驶车辆处于非智能驾驶模式时，针对包括自车规划轨迹和真实行驶轨迹的数据对，所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
24、判断所述自车规划轨迹和所述真实行驶轨迹是否一致；
25、当所述自车规划轨迹和所述真实行驶轨迹不一致时，确定所述自车规划轨迹为关键数据，且对应的标签类别为规控算法。
26、可选的，针对包括弯道曲率预测值和弯道曲率真实值的数据对，所述弯道曲率真实值根据高精度地图获取；所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
27、判断所述弯道曲率预测值和所述弯道曲率真实值是否相同；
28、当所述弯道曲率预测值和所述弯道曲率真实值不相同时，确定所述弯道曲率预测值为关键数据，且对应的标签类别为车道线感知算法。
29、可选的，当所述待检测数据为车辆行驶参数时，所述对该待检测数据进行分析，确定该待检测数据是否为关键数据，并确定对应的标签类别的步骤包括：
30、在所述车辆行驶参数中，确定是否存在大于预设阈值的减速度值；
31、当存在大于所述预设阈值的减速度值时，确定所述车辆行驶参数为关键数据，并确定对应的标签类别为规控算法。
32、可选的，当所述待检测数据为车辆定位信息时，所述对该待检测数据进行分析，确定该待检测数据是否为关键数据，并确定对应的标签类别的步骤包括：
33、对所述车辆定位信息进行分析，确定是否存在定位信息缺失情况；
34、当存在定位信息缺失情况时，确定所述车辆定位信息为关键数据，并确定对应的标签类别为定位系统硬件、定位系统驱动或定位算法。
35、可选的，所述方法还包括：
36、将所确定的标签类别作为标签添加至对应的各关键数据；
37、将所述各关键数据发送至云端存储。
38、第二方面，本申请实施例提供一种关键数据筛选装置，所述装置应用于自动驾驶车辆，所述装置包括：
39、数据获取模块，用于获取所述自动驾驶车辆行驶过程中，车端产生的各类型数据；
40、数据识别模块，用于在所述各类型数据中，识别预设类型的待检测数据，并根据本文档来自技高网...
【技术保护点】
1.一种关键数据筛选方法，其特征在于，所述方法应用于自动驾驶车辆，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，针对包括任一相机的视觉感知结果和雷达感知结果的数据对，所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述确定所述视觉感知结果或所述雷达感知结果为关键数据，并确定对应的标签类别的步骤包括：
4.根据权利要求3所述的方法，其特征在于，所述分别对所述视觉连续帧结果和所述雷达连续帧结果进行分析，确定关键数据以及对应的标签类别的步骤包括：
5.根据权利要求1所述的方法，其特征在于，针对包括障碍物预测轨迹点和障碍物真实轨迹点的数据对，所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
6.根据权利要求1所述的方法，其特征在于，当所述自动驾驶车辆处于非智能驾驶模式时，针对包括自车规划轨迹和真实行驶轨迹的数据对，所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
7.
8.根据权利要求1所述的方法，其特征在于，当所述待检测数据为车辆行驶参数时，所述对该待检测数据进行分析，确定该待检测数据是否为关键数据，并确定对应的标签类别的步骤包括：
9.根据权利要求1所述的方法，其特征在于，当所述待检测数据为车辆定位信息时，所述对该待检测数据进行分析，确定该待检测数据是否为关键数据，并确定对应的标签类别的步骤包括：
10.根据权利要求1-9任一项所述的方法，其特征在于，所述方法还包括：
11.一种关键数据筛选装置，其特征在于，所述装置应用于自动驾驶车辆，所述装置包括：
12.根据权利要求11所述的装置，其特征在于，所述数据比对模块包括：
13.根据权利要求12所述的装置，其特征在于，所述标签类别确定子模块，具体用于：
14.根据权利要求13所述的装置，其特征在于，所述标签类别确定子模块，具体用于：
15.根据权利要求11所述的装置，其特征在于，所述数据比对模块，具体用于：
16.根据权利要求11所述的装置，其特征在于，所述数据比对模块，具体用于：
17.根据权利要求11所述的装置，其特征在于，所述数据比对模块，具体用于：
18.根据权利要求11所述的装置，其特征在于，所述数据分析模块，具体用于：
19.一种计算机设备，其特征在于，包括至少一个处理器，所述处理器和存储器耦合，所述存储器存储有在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至10任一项所述的关键数据筛选方法。
20.一种计算机可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至10中任一项所述的关键数据筛选方法的步骤。
...【技术特征摘要】
1.一种关键数据筛选方法，其特征在于，所述方法应用于自动驾驶车辆，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，针对包括任一相机的视觉感知结果和雷达感知结果的数据对，所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述确定所述视觉感知结果或所述雷达感知结果为关键数据，并确定对应的标签类别的步骤包括：
4.根据权利要求3所述的方法，其特征在于，所述分别对所述视觉连续帧结果和所述雷达连续帧结果进行分析，确定关键数据以及对应的标签类别的步骤包括：
5.根据权利要求1所述的方法，其特征在于，针对包括障碍物预测轨迹点和障碍物真实轨迹点的数据对，所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
6.根据权利要求1所述的方法，其特征在于，当所述自动驾驶车辆处于非智能驾驶模式时，针对包括自车规划轨迹和真实行驶轨迹的数据对，所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
7.根据权利要求1所述的方法，其特征在于，针对包括弯道曲率预测值和弯道曲率真实值的数据对，所述弯道曲率真实值根据高精度地图获取；所述对该数据对中所包括的数据进行对比，确定关键数据以及对应的标签类别的步骤包括：
8.根据权利要求1所述的方法，其特征在于，当所述待检测数据为车辆行驶参数时，所述对该待检测数据进行分析，确定该待检测数据是否为关键数据，并确定对应的标签类别的步骤包括...
【专利技术属性】
技术研发人员：王奇，徐庆，郝嘉成，陶锦程，范小军，高远飞，
申请(专利权)人：初速度苏州科技有限公司，
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。