[发明专利]风险数据识别、物体检测及模型优化方法、装置和系统

权利要求书

1.一种风险数据识别方法，其中，包括：

将传感器实时采集的数据输入物体检测模型进行物体检测，获取所述数据和物体检测模型输出的检测结果；

若确定所述数据的紊乱程度高于设定条件，和/或，所述检测结果中的检测准确率低于设定准确率阈值，将所述数据确定为风险数据。

2.如权利要求1所述的方法，其中，确定所述数据的紊乱程度高于设定条件，具体包括：

通过贝叶斯深度学习模型确定表征所述数据的紊乱程度的熵；

确定所述熵高于预设熵阈值。

3.如权利要求1所述的方法，其中，确定所述检测结果中的检测准确率低于设定准确率阈值，具体执行下述至少一项：

确定所述检测结果中的总体检测准确率低于设定准确率第一阈值；

确定所述检测结果中的各物体检测准确率中至少有一个低于设定准确率第二阈值；

根据所述检测结果中的各物体检测准确率，确定检测准确率低于设定准确率第二阈值的物体和检测准确率不低于设定准确率第二阈值的物体的比值，确定该比值高于设定比值阈值；

确定所述检测结果中的各物体检测准确率的平均值低于设定准确率第二阈值。

4.如权利要求1～3任一项所述的方法，其中，所述将传感器实时采集的数据输入物体检测模型进行物体检测，获取所述数据和物体检测模型输出的检测结果，具体包括：

将传感器实时采集的点云数据输入点云检测模型和点云分割模型进行物体检测，获取点云检测模型的检测结果、点云分割模型的检测结果及所述点云数据；

将视觉传感器实时采集的图像数据输入图像检测模型和图像分割模型进行物体检测，获取图像检测模型的检测结果、图像分割模型的检测结果和所述图像数据。

5.一种物体检测模型优化方法，其中，包括：

获取传感器实时采集的数据，利用物体检测模型根据获取的数据进行物体检测，根据获取的数据和对应的物体检测结果确定该数据是否为风险数据；

若是，获取风险数据的物体检测真值，由风险数据和其物体检测真值构成一条样本数据，填加到样本集中；

判断当前的样本集是否满足预设的模型优化条件；

若是，利用当前的样本集优化所述物体检测模型，得到优化后物体检测模型；

若否，获取传感器实时采集的新数据，返回所述利用物体检测模型根据获取的数据进行物体检测步骤。

6.如权利要求5所述的方法，其中，所述根据获取的数据和对应的物体检测结果确定该数据是否为风险数据，具体包括：

根据获取的数据和对应的物体检测结果，确定该数据是否满足至少一项下述条件：

该数据的紊乱程度高于设定条件；

该数据对应的物体检测结果中的检测准确率低于设定准确率阈值。

7.如权利要求5所述的方法，其中，所述判断当前的样本集是否满足预设的模型优化条件，具体包括：

判断执行所述利用物体检测模型根据获取的数据进行物体检测步骤的次数是否大于设定的次数阈值；或，

判断距离开始执行所述利用物体检测模型根据获取的数据进行物体检测步骤的时间间隔是否超过设定的时间阈值；或，

判断当前的样本集中的样本数是否大于设定的样本数阈值。

8.一种物体检测方法，其中，包括：

在车辆自动驾驶过程中，获取所述车辆上装载的传感器实时采集的数据；

利用优化后的物体检测模型根据获取的数据进行物体检测，确定所述车辆周围的物体信息，所述优化后的物体检测模型是按照权利要求5～7任一项所述的方法优化的。

9.一种风险数据识别装置，其中，包括：

获取模块，用于将传感器实时采集的数据输入物体检测模型进行物体检测，获取所述数据和物体检测模型输出的检测结果；

风险数据确定模块，用于确定所述获取模块获取的数据的紊乱程度高于设定条件，和/或，所述检测结果中的检测准确率低于设定准确率阈值，将所述数据确定为风险数据。