[发明专利]无人车行驶中的场景识别方法及装置

权利要求书

1.一种无人车行驶中的场景识别方法，其特征在于，包括：

通过场景识别模型对无人车行驶中获取到的场景图片进行识别，得到所述无人车的感知数据，其中，所述场景识别模型设置在云端，所述场景识别模型已通过训练，学习并保存有所述场景图片和所述感知数据之间的对应关系；

利用远程监控平台对所述感知数据进行矫正处理，得到矫正数据；

将所述矫正数据上传所述云端，以利用所述矫正数据对所述场景识别模型进行再训练；

利用经过所述再训练后的所述场景识别模型对所述无人车后续行驶中获取到的场景图片进行识别。

2.根据权利要求1所述的方法，其特征在于，所述利用远程监控平台对所述感知数据进行矫正处理，得到矫正数据，包括：

利用所述远程监控平台接收所述感知数据对应的矫正指令，根据所述矫正指令对所述感知数据进行所述矫正处理，得到所述矫正数据；或

利用所述远程监控平台上设置的第一标注模型对所述感知数据进行所述矫正处理，得到所述矫正数据。

3.根据权利要求2所述的方法，其特征在于，所述利用所述远程监控平台上设置的第一标注模型对所述感知数据进行所述矫正处理，得到所述矫正数据之前，所述方法还包括：

获取第一数据集，其中，所述第一数据集包括多张场景图片；

对所述第一数据集进行标注处理，以得到所述第一数据集中的每张场景图片对应的标签；

利用经过所述标注处理之后的所述第一数据集，对所述第一标注模型进行训练。

4.根据权利要求1所述的方法，其特征在于，所述通过场景识别模型对无人车行驶中获取到的场景图片进行识别，得到所述无人车的感知数据之前，所述方法还包括：

获取第二数据集，其中，所述第二数据集包括多张场景图片；

提取所述第二数据集中的每张场景图片的图片特征；

将所述第二数据集中的每张场景图片的图片特征输入第二标注模型，输出每张场景图片对应的标签，其中，所述第二标注模型已通过训练，学习并保存有图片特征和标签之间的对应关系；

将每张场景图片的图片特征作为所述场景识别模型的输入，将每张场景图片的标签作为所述场景识别模型的输出，对所述场景识别模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述提取所述第二数据集中的每张场景图片的图片特征，包括：

利用颜色直方图的方法提取所述第二数据集中的每张场景图片的颜色特征，其中，所述图片特征，包括：所述颜色特征和形状特征；

利用傅里叶形状描述符的方法提取所述第二数据集中的每张场景图片的所述形状特征。

6.根据权利要求1所述的方法，其特征在于，所述通过场景识别模型对无人车行驶中获取到的场景图片进行识别，得到所述无人车的感知数据，包括：

实时获取所述无人车行驶中的场景图片；

利用颜色直方图的方法提取所述场景图片的颜色特征；

利用傅里叶形状描述符的方法提取所述场景图片的形状特征；

将所述场景图片的颜色特征和形状特征输入训练后的所述场景识别模型，输出所述感知数据。

7.根据权利要求1所述的方法，其特征在于，所述利用经过所述再训练后的所述场景识别模型对所述无人车后续行驶中获取到的场景图片进行识别，包括：

对经过所述再训练后的所述场景识别模型进行模型蒸馏处理，将所述模型蒸馏处理的结果下载到所述无人车上，以对所述无人车后续行驶中获取到的场景图片进行识别；或

对经过所述再训练后的所述场景识别模型进行模型剪枝处理，将所述模型剪枝处理的结果下载到所述无人车上，以对所述无人车后续行驶中获取到的场景图片进行识别。