一种基于强化学习的自动驾驶关键场景生成方法

    公开(公告)号:CN112784485B

    公开(公告)日:2021-09-10

    申请号:CN202110082493.8

    申请日:2021-01-21

    Abstract: 本发明公开了一种基于强化学习的自动驾驶关键场景生成方法,其步骤包括:1)从地图库中选择一个道路场景,设置仿真系统中主车的行驶路线并为各动态环境要素分别建立概率模型;2)仿真系统控制主车开始执行仿真任务;基于强化学习技术,对所选道路场景中各动态要素的概率模型进行训练,得到各概率模型针对所选道路场景的最优参数并保存在测试用例库中;3)循环步骤1‑2),得到各概率模型针对地图库中每一道路场景的最优参数;4)从该地图库中获取若干道路场景并组合得到测试地图,并选择仿真环境中所需的动态要素;5)从测试用例库中导入该测试地图所含的各动态要素的概率模型及对应最优参数,生成关键场景测试用例。

    一种仿真图像数据自动标注方法及系统

    公开(公告)号:CN113222070A

    公开(公告)日:2021-08-06

    申请号:CN202110620062.2

    申请日:2021-06-03

    Abstract: 本发明公开了一种仿真图像数据自动标注方法及系统,本方法步骤包括:1)获取仿真图像、整体语义图像和个体语义图像集合,以及拍摄该仿真图像的仿真相机参数和个体参数集合;2)根据所述个体语义图像集合确定所述仿真图像中包含的个体集合并计算每一个体的粗糙2D包围盒;3)基于个体对应的所述粗糙2D包围盒和个体语义图像计算个体的精确2D包围盒;4)根据个体对应的个体语义图像和整体语义图像确定所述个体的遮挡率,去掉遮挡率小于设定遮挡率阈值的个体;5)利用精确2D包围盒判断个体是否为无效个体,去掉无效个体;6)根据个体集合以及个体对应的精确2D包围盒,对该仿真图像的进行数据标注和组织,得到标注后的仿真图像。

    一种基于任务驱动的图像预处理算法评估方法

    公开(公告)号:CN112614039A

    公开(公告)日:2021-04-06

    申请号:CN202011560006.6

    申请日:2020-12-25

    Abstract: 本发明公开了一种基于任务驱动的图像预处理算法评估方法,其步骤包括:1)根据设置的视觉处理任务,选择对应评估指标,并构造该视觉处理任务相应的测试数据集;所述测试数据集包括基准测试子集以及不同条件的测试子集;2)在基准测试子集上分别对各所选视觉处理任务模型进行训练,得到训练好的视觉处理任务模型;3)选取多种被评估的图像预处理算法,分别对同一条件的测试子集进行图像预处理;4)使用训练好的视觉处理任务模型,对预处理前后的同一条件的测试子集进行视觉处理任务并进行评估;5)通过对比各训练好的视觉处理任务模型对图像预处理前后的视觉处理任务的评估指标,得到同一条件下各图像预处理算法的评估结果。

Patent Agency Ranking