0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

从数据闭环到混合数据增强,关于自动驾驶数据的那些事

Nullmax纽劢 来源:Nullmax纽劢 作者:Nullmax纽劢 2022-11-29 15:16 次阅读

今天,小编将继续为大家带来Nullmax感知部总监兼计算机视觉首席科学家成二康博士做客汽车之心·行家说栏目的内容整理下篇,关于自动驾驶的数据闭环及混合数据增强的简要介绍。Nullmax正通过将这些技术应用到不同的量产项目中,推进自动驾驶系统的迭代升级。

对于自动驾驶而言,数据具有至关重要的技术驱动作用,通过数据闭环高效收集、利用海量的真实数据,是自动驾驶研发和落地的一项核心能力。与此同时,在无法充分获得所需真实数据的情况下,大规模地生成虚拟样本也是一种可行的方式。

对于自动驾驶来说,真实世界的驾驶环境变幻莫测,驾驶场景层出不穷,训练有素的软件算法也会面临长尾效应带来的一系列问题,遇到一些很少遇到但是很难应对的极端场景。

因此,针对自动驾驶的长尾问题,Nullmax打造了高效的数据闭环,支持行泊一体方案的大规模应用,并且探索了大规模地生成虚拟样本数据,运用混合数据增强方法解决少见目标检测方面的相关难题。

这样的话,可以最大程度、最高效率地在真实场景中收集和利用困难样本数据,同时在真实场景数据难以满足需求的情况,通过合成虚拟样本来解决数据难题。

数据闭环

Nullmax的数据闭环,名为MaxFlow自主成长系统。它包含了车端、云端两大部分,车端源源不断地获取数据,云端对数据进行分析,完成获取、清洗、标注、训练以及模型验证的整个闭环。

4183e9ae-6f99-11ed-8abf-dac502259ad0.png

它可以为感知、融合、决策、定位、测试等环节提供全方位的帮助,实现持续不断的迭代升级,驱动自动驾驶的整个系统自主成长。特别是在感知层面,尤其是视觉感知当中,自主成长系统发挥了巨大作用。

数据闭环的数据,主要源自两个方面。一是以offline的方式,在收集全量数据后,通过data filter机制筛选出感兴趣的数据,然后送到云端参与训练等任务。二是以online的方式,在车端运用trigger机制,通过影子模式等方法,自主地收集一些感兴趣的数据,包括困难样本。(点击查看详情)

影子模式,简单来说就是通过对比人类司机和自动驾驶系统的驾驶差异,获得一些数据,提升自动驾驶系统的驾驶能力,从而逼近甚至是超越人类驾驶水平。对于感知层面来说,也是如此,比如AEB误触发,那么就可以在误触发的时候,将视觉传感器的数据进行回收,送到云端分析处理。这是一种相对被动的学习方式,此外系统也包含一些相对主动的学习方式,比如通过不确定性等进行样本的筛选。

41b20456-6f99-11ed-8abf-dac502259ad0.png

在线的trigger方面,包括有人机一致性、时序一致性、多传感器一致性、多算法一致性、指定特殊场景等不同类型的设置。如果遇到变道失败、传感器之间结果不一致、算法结果不一致等等情况,那么就会触发相应数据的收集。

举个例子,一个障碍物在时间维度而言,既不可能凭空消失,也不可能凭空出现,这就是时序的一致性。如果一个行人在连续轨迹上消失了,那么就是典型的漏检。

另外一个例子,就是同样的一张图片,用不同的算法进行一致性的校验。比如freespace和障碍物相互校验,可行驶区域当中不应存在障碍物,不然的话就是漏检。

此外,运用多种算法校验来筛选难样本,也是非常重要的手段。比如行驶在路面的车辆,如果只检测出车轮,但没有检测出车辆,那么极有可能这是一个比较难的样本,比如涂装车、挖掘机、平板车等等罕见的车辆。这种方法也可以用来筛选一些极近距离的大车,比如油罐车、拖车、挂车等等少见场景的数据。

41dce89c-6f99-11ed-8abf-dac502259ad0.png

4222a6ac-6f99-11ed-8abf-dac502259ad0.png

同样的,对于行人也可以通过头部的检测和身体的检测,来校验检测结果,筛选困难案例。

混合数据增强

对于自动驾驶而言,除了通过数据闭环在真实场景中收集困难样本之外,另外一种获取数据样本的方式,就是大规模的自动化生成虚拟样本。

比如,在CVPR 2022上提出的合成数据集SHIFT,就是通过CARLA仿真几乎零成本地生成真值数据。再比如Block-NeRF,利用3个月收集的数据重建旧金山市的场景,这是另外一种生成数据的方式,通过一些样本的视角来生成其他视角的虚拟图像。

此外,通过计算机图形学和生成式模型相结合,也能够以Neural Rendering的方式生成大量的虚拟数据。

ICRA 2022上,Nullmax同样也提出了一种生成虚拟样本的方式,通过混合数据增强的方法,解决罕见目标检测的难题。(点击查看详情)

因为对自动驾驶而言,即使专门去筛一些数据,获得的数据量仍可能还是很小。收集一些少见的样本,比如锥形筒相关的场景,其实依然很难。

所以我们当初的想法是,既然拥有大量没有锥形筒的真实场景,那么能不能将锥形筒的mask(掩膜)贴到这些真实场景图片上面,几乎零成本地自动生成大量少见样本呢?这就是我们想要通过混合数据增强来实现的目标。

426ce8e8-6f99-11ed-8abf-dac502259ad0.png

这当中有两个非常关键的问题,一个是锥形筒mask贴到什么位置,一个是怎么贴mask。因此,我们提出了一个多任务的深度学习网络,为交通场景提供相应的约束,确保mask沿着车道线贴到freespace上,而不是车上。同时,还提出了一个局部自适应的颜色变换,让mask能够自动适应每张图片本身的颜色分布。

实验结果显示,对锥形筒这类少见样本来说,如果只有少量数据,检测效果其实比较一般。但是在结合我们的混合数据增强方法后,检测效果可以大幅提升。

Nullmax已经开源相应的ROD(Rare Object Dataset)数据集,当中包含1万多张的数据,分布在不同的道路、天气和光照条件。如果大家感兴趣,欢迎登陆网站下载 https://nullmax-vision.github.io/。

篇后语

为了更好地实现行泊一体,Nullmax开发了能够自动化支持行车和泊车两类任务的感知基础架构,从而最大程度地复用软件算法。这其中,就包括了数据、训练和部署。

基于这套架构,Nullmax能够通过数据闭环收集的海量真实数据,以及大规模生成的虚拟样本,以非常高效、经济的方式提供提供丰富、充足的训练样本,对算法进行真实和混合数据的混合训练,打造出一个满足全场景自动驾驶需求的「超级大脑」。

后续,我们将介绍这套强大的感知基础架构,敬请关注!

审核编辑 :李倩

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 数据
    +关注

    关注

    8

    文章

    6888

    浏览量

    88823
  • 自动驾驶
    +关注

    关注

    783

    文章

    13682

    浏览量

    166129
  • LLM
    LLM
    +关注

    关注

    0

    文章

    272

    浏览量

    305

原文标题:Nullmax研习社 | 从数据闭环到混合数据增强,关于自动驾驶数据的那些事

文章出处:【微信号:Nullmax,微信公众号:Nullmax纽劢】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    标贝科技:自动驾驶中的数据标注类别分享

    自动驾驶训练模型的成熟和稳定离不开感知技术的成熟和稳定,训练自动驾驶感知模型需要使用大量准确真实的数据。据英特尔计算,L3+级自动驾驶每辆汽车每天产生的
    的头像 发表于 11-22 15:07 387次阅读
    标贝科技:<b class='flag-5'>自动驾驶</b>中的<b class='flag-5'>数据</b>标注类别分享

    标贝科技:自动驾驶中的数据标注类别分享

    自动驾驶训练模型的成熟和稳定离不开感知技术的成熟和稳定,训练自动驾驶感知模型需要使用大量准确真实的数据。据英特尔计算,L3+级自动驾驶每辆汽车每天产生的
    的头像 发表于 11-22 14:58 90次阅读
    标贝科技:<b class='flag-5'>自动驾驶</b>中的<b class='flag-5'>数据</b>标注类别分享

    连接视觉语言大模型与端自动驾驶

    自动驾驶在大规模驾驶数据上训练,展现出很强的决策规划能力,但是面对复杂罕见的驾驶场景,依然存在局限性,这是因为端
    的头像 发表于 11-07 15:15 148次阅读
    连接视觉语言大模型与端<b class='flag-5'>到</b>端<b class='flag-5'>自动驾驶</b>

    FPGA在自动驾驶领域有哪些优势?

    领域的主要优势: 高性能与并行处理能力: FPGA内部包含大量的逻辑门和可配置的连接,能够同时处理多个数据流和计算任务。这种并行处理能力使得FPGA在处理自动驾驶中复杂的图像识别、传感器数据处理等
    发表于 07-29 17:11

    FPGA在自动驾驶领域有哪些应用?

    是FPGA在自动驾驶领域的主要应用: 一、感知算法加速 图像处理:自动驾驶中需要通过摄像头获取并识别道路信息和行驶环境,这涉及大量的图像处理任务。FPGA在处理图像上的运算速度快,可并行性强,且功耗
    发表于 07-29 17:09

    VSP2272适合数码相机的完整混合信号处理IC数据

    电子发烧友网站提供《VSP2272适合数码相机的完整混合信号处理IC数据表.pdf》资料免费下载
    发表于 07-22 11:21 0次下载
    VSP2272适<b class='flag-5'>合数</b>码相机的完整<b class='flag-5'>混合</b>信号处理IC<b class='flag-5'>数据</b>表

    标贝数据采集标注在自动驾驶场景中落地应用实例

    AI数据服务作为人工智能和机器学习的基础,在自动驾驶领域中有着重要地位。与其他人工智能应用场景相比,自动驾驶的落地场景相对复杂,想要让汽车本身的算法做到处理更多、更复杂的场景,就需要运用大量场景化
    的头像 发表于 05-28 14:22 470次阅读
    标贝<b class='flag-5'>数据</b>采集标注在<b class='flag-5'>自动驾驶</b>场景中落地应用实例

    特斯拉拟在华建数据中心,加速自动驾驶发展

    据知情人士透露,特斯拉正计划在中国境内建立数据中心,此举是埃隆·马斯克全球自动驾驶战略的重要一环。新数据中心将专门用于训练自动驾驶车辆所需的先进算法,以推动全球
    的头像 发表于 05-20 10:12 412次阅读

    未来已来,多传感器融合感知是自动驾驶破局的关键

    巨大的进展;自动驾驶开始摒弃手动编码规则和机器学习模型的方法,转向全面采用端端的神经网络AI系统,它能模仿学习人类司机的驾驶,遇到场景直接输入传感器数据,再直接输出转向、制动和加速信
    发表于 04-11 10:26

    自动驾驶数据集的生成模型之WoVoGen框架原理

    生成多摄像头的街景视频对于增加自动驾驶数据集至关重要,解决了对广泛而多样的数据的迫切需求。由于多样性的限制和处理光照条件的挑战,传统的基于渲染的方法越来越多的被基于扩散的方法所取代。
    发表于 01-25 15:26 540次阅读
    <b class='flag-5'>自动驾驶</b><b class='flag-5'>数据</b>集的生成模型之WoVoGen框架原理

    自动驾驶领域的数据集汇总

    自动驾驶论文哪少的了数据集,今天笔者将为大家推荐一篇最新的综述,总结了200多个自动驾驶领域的数据集,大家堆工作量的时候也可以找一些小众的数据
    的头像 发表于 01-19 10:48 946次阅读
    <b class='flag-5'>自动驾驶</b>领域的<b class='flag-5'>数据</b>集汇总

    动态自动驾驶数据量身定制的NeRF:NeuRAD

    神经辐射场( NeRFs )在自动驾驶( AD )社区中得到了广泛的应用。最近的方法显示了NeRFs在闭环仿真、AD系统测试以及作为先进的训练数据增强技术方面的潜力。
    发表于 01-11 09:41 482次阅读
    动态<b class='flag-5'>自动驾驶</b><b class='flag-5'>数据</b>量身定制的NeRF:NeuRAD

    语音数据集在自动驾驶中的应用与挑战

    随着人工智能技术的快速发展,自动驾驶汽车已经成为交通领域的研究热点。语音数据集在自动驾驶中发挥着重要的作用,为驾驶员和乘客提供了更加便捷和安全的交互方式。本文将详细介绍语音
    的头像 发表于 12-25 09:48 523次阅读

    LabVIEW开发自动驾驶的双目测距系统

    LabVIEW开发自动驾驶的双目测距系统 随着车辆驾驶技术的不断发展,自动驾驶技术正日益成为现实。L2级别的辅助驾驶技术
    发表于 12-19 18:02

    自动驾驶“十问十答”

    说起自动驾驶, 大家现在已经不陌生, 但是关于自动驾驶你又了解多少呢? 今天小编总结了关于自动驾驶的 “十问十答” , 带你了解更多
    的头像 发表于 11-29 07:40 966次阅读
    <b class='flag-5'>自动驾驶</b>“十问十答”