基于感知融合测评的测评数据分析方法及装置与流程

本技术涉及自动驾驶，尤其涉及一种基于感知融合测评的测评数据分析方法及装置，还涉及用于执行该基于感知融合测评的测评数据分析方法的电子设备及存储介质。

背景技术：

1、自动驾驶的感知技术是通过在车辆自动驾驶过程中获取周围大量的环境信息，确保对车辆自身周围环境进行正确理解和作出对应决策。感知是规划和预测的基础，其效果对用户体验和车身安全有着决定性作用。感知评测模型中产生的坏例数据对于感知测评模型的快速迭代和优化，有着至关重要的作用。现有的感知测评模型通常为感知融合测评模型，一种感知测评模型中融合多种感知途径的感知结果。目前，现有的感知融合测评模型的坏例分析方法通常为fp/fn分析方法，该方法先通过人眼逐帧检查坏例图像来寻找融合的误检案例(fp)和漏检案例(fn)，进而再依据时间戳来分析感知融合测评模型中各个感知途径是否存在问题，此种分析方法工作量大、效率低，难以为感知模型的快速迭代和优化提供充足的理由和明确的最先优化方向。

技术实现思路

1、有鉴于此，本技术实施例提供了一种基于感知融合测评的测评数据分析方法及装置，以及用于执行该基于感知融合测评的测评数据分析方法的电子设备及存储介质，旨在至少解决现有技术中难以为感知模型的快速迭代和优化提供充足的理由和明确的最先优化方向的技术问题。

2、本技术实施例的第一方面提供了一种基于感知融合测评的测评数据分析方法，包括：

3、对感知融合测评模型产生的测评数据按照感知途径进行数据划分，获得每种感知途径各自对应的测评数据集，其中，所述感知途径为所述感知融合模型中所具备的感知途径，包括至少两种感知途径及其融合感知途径；

4、分别对每种感知途径对应的测评数据集按照测评结果类别进行数据划分，对应获得每种感知途径各自对应的正检数据集、漏检数据集和误检数据集；

5、将所述融合感知途径的正检数据集、漏检数据集和误检数据集分别对应与其他各感知途径的正检数据集、漏检数据集和误检数据集进行数据比对，判断是否具有只存在于所述融合感知途径各数据集中的目标数据，若有，则判断所述目标数据为所述融合感知途径独有的测评数据。

6、结合第一方面，在第一方面的第一种可能实现方式中，所述感知途径包括雷达透传感知途径、激光雷达透传感知途径和摄像感知途径中的至少两种。

7、结合第一方面，在第一方面的第二种可能实现方式中，所述将所述融合感知途径的正检数据集、漏检数据集和误检数据集分别对应与其他各感知途径的正检数据集、漏检数据集和误检数据集进行数据比对，判断是否具有只存在于所述融合感知途径各数据集中的目标数据，若有，则判断所述目标数据为所述融合感知途径独有的测评数据的步骤中，包括：

8、以所述融合感知途径的正检数据集中的每个数据逐一作为目标数据，获取所述目标数据的帧id标识和预测障碍物id标识；

9、根据所述目标数据的帧id标识和预测障碍物id标识自动化遍历其他各感知途径的正检数据集中的数据，识别所述其他各感知途径的正检数据集中是否存在与所述目标数据的帧id标识和预测障碍物id标识均相同的数据；

10、若所述其他各感知途径的正检数据集中均不存在与所述目标数据的帧id标识和预测障碍物id标识均相同的数据，则判断所述目标数据为所述融合感知途径独有的正检数据。

11、结合第一方面，在第一方面的第三种可能实现方式中，所述将所述融合感知途径的正检数据集、漏检数据集和误检数据集分别对应与其他各感知途径的正检数据集、漏检数据集和误检数据集进行数据比对，判断是否具有只存在于所述融合感知途径各数据集中的目标数据，若有，则判断所述目标数据为所述融合感知途径独有的测评数据的步骤中，包括：

12、以所述融合感知途径的漏检数据集中的每个数据逐一作为目标数据，获取所述目标数据的帧id标识和预测障碍物id标识；

13、根据所述目标数据的帧id标识和预测障碍物id标识自动化遍历其他各感知途径的漏检数据集中的数据，识别所述其他各感知途径的漏检数据集中是否存在与所述目标数据的帧id标识和预测障碍物id标识均相同的数据；

14、若所述其他各感知途径的漏检数据集中均不存在与所述目标数据的帧id标识和预测障碍物id标识均相同的数据，则判断所述目标数据为所述融合感知途径独有的漏检数据。

15、结合第一方面，在第一方面的第四种可能实现方式中，所述将所述融合感知途径的正检数据集、漏检数据集和误检数据集分别对应与其他各感知途径的正检数据集、漏检数据集和误检数据集进行数据比对，判断是否具有只存在于所述融合感知途径各数据集中的目标数据，若有，则判断所述目标数据为所述融合感知途径独有的测评数据的步骤中，包括：

16、以所述融合感知途径的误检数据集中的每个数据逐一作为目标数据，获取所述目标数据的帧id标识、预测障碍物id标识和预测障碍物三维位置；

17、根据所述目标数据的帧id标识、预测障碍物id标识和预测障碍物三维位置自动化遍历其他各感知途径的误检数据集中的数据，识别所述其他各感知途径的误检数据集中是否存在与所述目标数据的帧id标识、预测障碍物id标识和预测障碍物三维位置均相同的数据；

18、若所述其他各感知途径的误检数据集中均不存在与所述目标数据的帧id标识、预测障碍物id标识和预测障碍物三维位置均相同的数据，则判断所述目标数据为所述融合感知途径独有的误检数据。

19、结合第一方面或第一方面的第一或第二或第三或第四种可能实现方式，在第一方面的第五种可能实现方式中，所述分别对每种感知途径对应的测评数据集按照测评结果类别进行数据划分，对应获得每种感知途径各自对应的正检数据集、漏检数据集和误检数据集的步骤之后，还包括：

20、按照测评结果类别维度、感知途径维度和障碍物类别维度，对所述感知融合测评模型产生的测评数据进行数量统计分析，生成用于展示每种感知途径相互之间测评差异的可视化韦恩图；

21、根据所述可视化韦恩图确定各感知途径独有的测评数据数量，基于所述各感知途径独有的测评数据数量分析出所述感知融合测评模型的优化方向。

22、结合第一方面的第五种可能实现方式，在第一方面的第六种可能实现方式中，所述按照测评结果类别维度、感知途径维度和障碍物类别维度，对所述感知融合测评模型产生的测评数据进行数量统计分析，生成用于展示每种感知途径相互之间测评差异的可视化韦恩图的步骤中，包括：

23、所述测评结果类别维度划分为正检类别维度、漏检类别维度和误检类别维度；

24、所述感知途径维度划分为融合感知途径维度、雷达透传感知途径维度和激光雷达透传感知途径维度；

25、所述障碍物类别维度划分为机动车类别维度、非机动车类别维度和行人类别维度。

26、本技术实施例的第二方面提供了一种基于感知融合测评的测评数据分析装置，所述基于感知融合测评的测评数据分析装置包括：

27、第一划分模块，用于对感知融合测评模型产生的测评数据按照感知途径进行数据划分，获得每种感知途径各自对应的测评数据集，其中，所述感知途径为所述感知融合模型中所具备的感知途径，包括至少两种感知途径及其融合感知途径；

28、第二划分模块，用于分别对每种感知途径对应的测评数据集按照测评结果类别进行数据划分，对应获得每种感知途径各自对应的正检数据集、漏检数据集和误检数据集；

29、比对分析模块，用于将所述融合感知途径的正检数据集、漏检数据集和误检数据集分别对应与其他各感知途径的正检数据集、漏检数据集和误检数据集进行数据比对分析，判断是否具有只存在于所述融合感知途径各数据集中的目标数据，若有，则判断所述目标数据为所述融合感知途径独有的测评数据。

30、本技术实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在电子设备上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面提供的基于感知融合测评的测评数据分析方法的各步骤。

31、本技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面提供的基于感知融合测评的测评数据分析方法的各步骤。

32、本技术实施例提供的一种基于感知融合测评的测评数据分析方法、装置、电子设备及存储介质，具有以下有益效果：

33、本技术通过对感知融合测评模型产生的测评数据按照感知途径进行数据划分，获得每种感知途径各自对应的测评数据集；对每种感知途径对应的测评数据集按照测评结果类别进行数据划分，获得每种感知途径各自对应的正检数据集、漏检数据集和误检数据集；将融合感知途径的正检数据集、漏检数据集和误检数据集分别对应与其他各感知途径的正检数据集、漏检数据集和误检数据集进行数据比对，判断是否具有只存在于融合感知途径各数据集中的目标数据，若有，则判断目标数据为融合感知途径独有的测评数据。通过该方法通过数据比对分析可以实现自动化地分析出融合感知途径独有的坏例数据，从而可以快速确定感知融合测评模型的最先优化方向。