[发明专利]数据的挖掘方法、装置和电子设备

说明书

本发明提供了一种数据的挖掘方法、装置和电子设备，包括：获取数据采集器发送的驾驶场景数据；分别采用车端自动驾驶模型和云端高精度自动驾驶模型对驾驶场景数据进行分析，得到车端分析结果和云端分析结果；若车端分析结果符合预设数据挖掘机制，或，车端分析结果与云端分析结果不同时，则将得出车端分析结果时的预设时间范围内的目标驾驶场景数据进行保存。本发明的方法能够自动挖掘到目标驾驶场景数据，智能性好，缓解了现有技术通过人工的方式对难例和长尾场景数据进行挖掘，费时费力，智能性不好的技术问题。

技术领域

本发明涉及数据挖掘的技术领域，尤其是涉及一种数据的挖掘方法、装置和电子设备。

背景技术

L2级自动驾驶已大规模量产，更高级别的自动驾驶在推广验证，阻碍更高级别自动驾驶发展的关键问题是难例和长尾场景数据造成的自动驾驶系统不稳定和不可靠。所以，获取难例和长尾场景数据，进而通过难例和长尾场景数据对自动驾驶系统进行全面测试，可以提高自动驾驶系统的稳定性和可靠性。

目前，在对自动驾驶相关的难例和长尾场景数据进行挖掘时，先在车辆上设置多源传感器和数据采集设备，这样，车辆在行驶过程中，多源传感器采集到的海量数据发送至数据采集设备，之后，再由数据采集设备将海量数据进行保存或上传至云端，进而再由相关人员从上述采集到的海量数据中挖掘得到难例和长尾场景数据，以对自动驾驶系统进行全面测试。

综上，现有技术需要通过人工的方式对难例和长尾场景数据进行挖掘，费时费力，智能性不好。

发明内容

有鉴于此，本发明的目的在于提供一种数据的挖掘方法、装置和电子设备，以缓解现有技术通过人工的方式对难例和长尾场景数据进行挖掘，费时费力，智能性不好的技术问题。

第一方面，本发明实施例提供了一种数据的挖掘方法，包括：

获取数据采集器发送的驾驶场景数据；

分别采用车端自动驾驶模型和云端高精度自动驾驶模型对所述驾驶场景数据进行分析，得到车端分析结果和云端分析结果；

若所述车端分析结果符合预设数据挖掘机制，或，所述车端分析结果与所述云端分析结果不同时，则将得出所述车端分析结果时的预设时间范围内的目标驾驶场景数据进行保存。

进一步的，所述车端自动驾驶模型包括：车端感知算法、车端规划算法、车端定位算法和车端控制算法，所述云端高精度自动驾驶模型包括：云端感知算法、云端规划算法、云端定位算法和云端控制算法；

采用车端自动驾驶模型对所述驾驶场景数据进行分析，包括：

采用所述车端感知算法对所述驾驶场景数据进行感知，得到车端感知结果，其中，所述车端感知结果包括：所述驾驶场景数据对应的第一场景类别、所述驾驶场景数据中目标对象的第一位置信息、第一类别信息和第一ID信息；

基于所述车端感知结果，采用所述车端规划算法和所述车端定位算法分别得到车端车辆规划结果、车端车辆定位结果，并基于所述车端车辆规划结果和所述车端车辆定位结果，采用所述车端控制算法得到车端车辆控制结果；

采用云端高精度自动驾驶模型对所述驾驶场景数据进行分析，包括：

采用所述云端感知算法对所述驾驶场景数据进行感知，得到云端感知结果，其中，所述云端感知结果包括：所述驾驶场景数据对应的第二场景类别、所述驾驶场景数据中目标对象的第二位置信息、第二类别信息和第二ID信息；

基于所述云端感知结果，采用所述云端规划算法和所述云端定位算法分别得到云端车辆规划结果、云端车辆定位结果，并基于所述云端车辆规划结果和所述云端车辆定位结果，采用所述云端控制算法得到云端车辆控制结果。

进一步的，所述预设数据挖掘机制为用户设定的对自动驾驶的难例和长尾场景数据进行挖掘的机制。