[发明专利]自动驾驶场景数据样本相似度获取方法

说明书

本发明公开了一种自动驾驶场景数据样本相似度获取方法，本发明的主要设计构思在于，将现有仅通过单一坐标系来判断自动驾驶场景数据相似度的方式，改进为基于两个坐标系来求取相似度，即从一维到二维来计算权衡，并将两坐标系中的相似度进行融合，用新构造的相似度指标来权衡场景数据样本的相似程度。本发明为自动驾驶场景提供的样本比对相似度的思路，可以有效避免因假相似而造成的偏差。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶场景数据样本相似度获取方法。

背景技术

目前对采集的自动驾驶场景样本做数据聚类分析时，其核心是相似度，根据样本之间的相似度对样本进行分类，相似度的大小直接影响样本聚类的结果。通过采用聚类分析能够从数学的角度客观来判断样本之间的相似度，能避免因人的主观因素在对样本进行分类时产生的影响，同时还能发掘出人为不易察觉的特例。

为了判断两场景样本之间的相似程度需要对两样本做相似度计算，常见的计算样本之间的相似度有闵可夫斯基距离、相关系数、样本夹角余弦等。本发明主要是针对其中的夹角余弦方式进行改进，夹角余弦是通过计算两样本的夹角余弦来判断其相似度，计算出的夹角余弦取值范围在0到1之间，如果两样本的夹角余弦值越接近1说明两样本的相似度越高，反之相似度越低。

目前，当采用夹角余弦来计算自动驾驶场景样本间的相似度时，只基于同一个坐标系，如果两样本在空间中的位置与坐标系原点三点几乎共线，但是两样本在空间位置上沿共线的方向相距很远，会造成相似的假象，从而在判断两样本之间相似与否时，会存在较大的偏差。

发明内容

鉴于上述，本发明旨在提供一种自动驾驶场景数据样本相似度获取方法，以解决相似假象问题。

本发明采用的技术方案如下：

一种自动驾驶场景数据样本相似度获取方法，其中包括：

采集自动驾驶场景的数据样本；

对所述数据样本进行归一化处理；

确定归一化后的数据样本在新构建的坐标系中的空间表达；

分别基于原坐标系以及新坐标系，计算不同场景的数据样本的夹角余弦；

融合不同坐标系下求取出的夹角余弦作为目标余弦值；

根据目标余弦值确定自动驾驶场景中数据样本的相似度。

在其中至少一种可能的实现方式中，按如下公式进行所述归一化处理：

其中，x_j是当前自动驾驶场景的数据样本的第j个参数，x_{j_min}是所有自动驾驶场景的数据样本中的最小值，x_{j_max}是所有自动驾驶场景的数据样本中的最大值，X’_j是归一化后的值。

在其中至少一种可能的实现方式中，所述新坐标系的构建方式包括：基于原始坐标系确定新坐标系的移动方向与移动距离。

在其中至少一种可能的实现方式中，所述基于原始坐标系确定新坐标系的移动方向与移动距离包括：

计算待比对场景中的同类别数据样本的差值；

基于原坐标系，获取待比对场景中的同类别数据样本之间中点的坐标；

基于所述中点的坐标，计算所述中点与原坐标系的坐标轴之间的距离；

根据所述差值以及所述距离，确定新坐标系相对原坐标系的移动方向；

由待比对的两两数据样本以及新坐标系的待定原点，构造三角形；