[发明专利]用于输出信息的方法和装置

说明书

本申请实施例公开了用于输出信息的方法和装置。上述方法的一具体实施方式包括：确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数；确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息；根据道路参数以及配置信息，在仿真器中构建模拟场景；利用传感器参数以及运动信息，在仿真器中确定传感器模型；利用传感器模型采集模拟场景中障碍物的第一障碍物数据；将第一障碍物数据从仿真器中输出。该实施方式可以通过仿真的方法获得用于训练的障碍物数据，减少了训练数据采集过程中的耗时和成本。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

针对深度神经网络，许多研究已经表明，网络能从大量带有标注的训练样本中学习得到模型。训练得到的模型可应用于自然和人为问题，包括无人车自主行进任务，且具有优异的性能。但网络的良好性能需要大量训练数据，而不同领域、不同任务所需的训练数据不完全相同。若在现实世界中针对性地采集数据并进行标注，耗时且成本昂贵。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，包括：确定模拟场景的道路参数以及采集上述模拟场景的数据的传感器参数；确定行驶在上述模拟场景中的障碍物的配置信息以及传感器的运动信息；根据上述道路参数以及上述配置信息，在仿真器中构建模拟场景；利用上述传感器参数以及上述运动信息，在仿真器中确定传感器模型；利用上述传感器模型采集上述模拟场景中障碍物的第一障碍物数据；将上述第一障碍物数据从上述仿真器中输出。

在一些实施例中，上述方法还包括：获取实际场景中车辆前方的障碍物的第二障碍物数据以及上述车辆的运动信息；确定上述第二障碍物数据中的噪声信息；根据上述噪声信息，处理上述第一障碍物数据。

在一些实施例中，上述确定行驶在上述模拟场景中的障碍物的配置信息以及传感器的运动信息，包括：解析上述第二障碍物数据，确定上述实际场景中障碍物的属性信息；对上述障碍物的属性信息和上述车辆的运动信息进行格式转换；将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入上述仿真器，得到行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。

在一些实施例中，上述对上述障碍物的属性信息和上述车辆的运动信息进行格式转换，包括：根据上述实际场景中障碍物的属性信息以及车辆的运动信息，确定上述车辆是否发生碰撞和接管；响应于确定上述车辆发生碰撞和接管，对发生碰撞和接管时上述障碍物的属性信息以及上述车辆的运动信息进行格式转换。

在一些实施例中，上述方法还包括：标注上述第二障碍物数据；利用标注后的第二障碍物数据以及上述第一障碍物数据训练机器学习模型。

第二方面，本申请实施例提供了一种用于输出信息的装置，包括：第一参数确定单元，被配置成确定模拟场景的道路参数以及采集上述模拟场景的数据的传感器参数；第二参数确定单元，被配置成确定行驶在上述模拟场景中的障碍物的配置信息以及传感器的运动信息；模拟场景构建单元，被配置成根据上述道路参数以及上述配置信息，在仿真器中构建模拟场景；传感器模型确定单元，被配置成利用上述传感器参数以及上述运动信息，在仿真器中确定传感器模型；障碍物数据采集单元，被配置成利用上述传感器模型采集上述模拟场景中障碍物的第一障碍物数据；障碍物数据输出单元，被配置成将上述第一障碍物数据从上述仿真器中输出。

在一些实施例中，上述装置还包括：障碍物数据获取单元，被配置成获取实际场景中车辆前方的障碍物的第二障碍物数据以及上述车辆的运动信息；噪声信息确定单元，被配置成确定上述第二障碍物数据中的噪声信息；障碍物数据处理单元，被配置成根据上述噪声信息，处理上述第一障碍物数据。