[发明专利]数据迁移方法、装置、设备以及存储介质

说明书

本公开提供了一种数据迁移方法、装置、设备、存储介质以及程序产品，涉及人工智能技术领域，具体涉及图像处理和深度学习等技术领域，可应用于自动驾驶等场景。该方法的一具体实施方式包括：获取历史传感器数据集；基于历史传感器数据集进行三维建模，得到三维模型；对三维模型进行渲染，得到渲染模型；基于渲染模型进行传感器仿真，生成目标传感器数据集。该实施方式能够将历史传感器数据升级成与新的目标传感器兼容的数据。

技术领域

本公开涉及人工智能技术领域，具体涉及图像处理和深度学习等技术领域，可应用于自动驾驶等场景。

背景技术

在自动驾驶和/或机器人系统的研发测试过程中，会积累不同传感器平台的历史传感器数据。随着传感器的不断迭代升级，历史传感器数据无法在新的系统中复用。为了解决这一问题，通常采用以下两种方案：其一，仅复用基于历史传感器数据作为输入的感知算法结果，不直接复用历史传感器数据；其二，使用部分历史传感器数据，经过清洗标注等，用作感知算法训练，不能兼容的部分历史传感器数据则舍弃。

发明内容

本公开实施例提出了一种数据迁移方法、装置、设备、存储介质以及程序产品。

第一方面，本公开实施例提出了一种数据迁移方法，包括：获取历史传感器数据集；基于历史传感器数据集进行三维建模，得到三维模型；对三维模型进行渲染，得到渲染模型；基于渲染模型进行传感器仿真，生成目标传感器数据集。

第二方面，本公开实施例提出了一种数据迁移装置，包括：获取模块，被配置成获取历史传感器数据集；建模模块，被配置成基于历史传感器数据集进行三维建模，得到三维模型；渲染模块，被配置成对三维模型进行渲染，得到渲染模型；仿真模块，被配置成基于渲染模型进行传感器仿真，生成目标传感器数据集。

第三方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面描述的方法。

第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面描述的方法。

第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面描述的方法。

本公开实施例提供的数据迁移方法，提供了一种可将历史传感器数据持续迁移复用的方案，能够将历史传感器数据升级成与新的目标传感器兼容的数据。能够将自动驾驶和/或机器人系统长期的研发测试过程中积累的不同传感器平台的数据，在新的系统、新的硬件平台上持续迁移复用，形成可持续积累的规模化效应，实现对各种自动驾驶和/或机器人运行场景更全面的覆盖，使高级别的自动驾驶和/或机器人技术的普及成为可能。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开的数据迁移方法的一个实施例的流程图；

图2是根据本公开的数据迁移方法的又一个实施例的流程图；

图3是根据本公开的数据迁移方法的另一个实施例的流程图；

图4是根据本公开的数据迁移装置的一个实施例的结构示意图；

图5是用来实现本公开实施例的数据迁移方法的电子设备的框图。

具体实施方式