CN107844115B - 用于无人驾驶车辆的数据获取方法和装置 - Google Patents
用于无人驾驶车辆的数据获取方法和装置 Download PDFInfo
- Publication number
- CN107844115B CN107844115B CN201610834745.7A CN201610834745A CN107844115B CN 107844115 B CN107844115 B CN 107844115B CN 201610834745 A CN201610834745 A CN 201610834745A CN 107844115 B CN107844115 B CN 107844115B
- Authority
- CN
- China
- Prior art keywords
- laser radar
- point cloud
- time window
- time
- data packet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013481 data capture Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000004044 response Effects 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/4861—Circuits for detection, sampling, integration or read-out
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开了用于无人驾驶车辆的数据获取方法和装置。所述方法的一具体实施方式包括：在无人驾驶车辆的至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达；获取当前时间窗口的起始时间并执行以下数据处理步骤：对所述至少一个激光雷达中的每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作；确定是否满足条件组中的任一条件；响应于确定满足所述条件组中的任一条件，则将所述当前时间窗口的起始时间设置为当前时间，并继续执行所述数据处理步骤。该实施方式实现了无人驾驶车辆的至少一个激光雷达采集的点云数据包的对齐存储。
Description
技术领域
本申请涉及机动车技术领域，具体涉及无人驾驶车辆技术领域，尤其涉及用于无人驾驶车辆的数据获取方法和装置。
背景技术
无人驾驶车辆的控制系统依赖于传感器感知周围环境。为了获得更多更全面的信息，无人驾驶车辆通常配置有多种传感器设备。在所有传感器中，激光雷达承载了车辆定位、障碍物检测等最为重要的功能。目前，在无人驾驶车辆的多个不同位置会分别设置不同的激光雷达，而多个激光雷达由于所在的位置不同而导致覆盖的视角不同。为取得更好的控制效果，无人驾驶车辆的控制系统会对多个激光雷达所采集的数据进行融合。
目前业界主要采用以下两种融合方法：
(1)基于预处理后的点云数据进行融合：多个激光雷达分别扫描周围的物体，当激光雷达转了完整的一圈之后，对收集到的所有点进行统一的解包、补偿处理，生成一个包含这一圈扫描到的多个点云数据，然后将多个点云数据融合为一个新的点云数据。由于每个激光雷达的起始启动时间并不相同，导致不同激光雷达采集的点云数据在时域上存在最多一个周期的偏移，这会导致融合之后的点云数据存在严重的重影现象，从而会导致无人驾驶车辆的控制系统出现严重的控制误差，以致威胁车内人员的安全。
(2)多路点云数据分别计算后融合：多路点云数据分别计算的方法是指多个激光雷达扫描出来的点云数据，不直接进行融合，而是针对每个激光雷达采集的点云数据进行计算，再对计算结果进行融合。以障碍物检测举例，就是分别用多个激光雷达的扫描结果进行障碍物检测，之后再将检测的障碍物结果进行去重处理。该方案的好处是各路数据不直接进行融合，避免了数据不同步导致的重影问题。然而由于不同激光雷达采集的范围、角度等并不相同，只有融合在一起才能够得到最全的信息，而分别处理会导致有些激光雷达输出的点云数据包含的特征值信息太少，大大降低了算法识别的准确性。
因此现有的多路激光雷达数据融合技术存在数据不同步导致的重影问题或者特征值信息太少算法识别准确性低的问题。
发明内容
本申请的目的在于提出一种改进的用于无人驾驶车辆的数据获取方法和装置，来解决以上背景技术部分提到的技术问题。
第一方面，本申请提供了一种用于无人驾驶车辆的数据获取方法，所述方法包括：获取无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息，所述参数信息包括：重要级别、采集周期、单位采集周期内应采集点云数据包数；在所述至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达；获取当前时间窗口的起始时间并执行以下数据处理步骤：对所述至少一个激光雷达中的每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作；确定是否满足以下条件组中的任一条件：从所述当前时间窗口的起始时间到当前时间已经经过了所述第一激光雷达的采集周期，所获取和存储的所述第一激光雷达采集的点云数据包的数目已经达到所述第一激光雷达的单位采集周期内应采集点云数据包数；响应于确定满足所述条件组中的任一条件，则将所述当前时间窗口的起始时间设置为当前时间，并继续执行所述数据处理步骤。
在一些实施例中，所述对所述至少一个激光雷达中的每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作，包括：实时获取所述至少一个激光雷达中每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包并存储至与所述当前时间窗口对应的缓存地址所指示的缓存中；以及所述将所述当前时间窗口的起始时间设置为当前时间之后，所述方法还包括：为所述当前时间窗口设置对应的缓存地址。
在一些实施例中，所述在所述至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达之后，所述方法还包括：根据激光雷达的重要级别，在所述至少一个激光雷达中选取不包括所述第一激光雷达的至少一个激光雷达组成第二激光雷达集合；以及所述条件组还包括：所获取和存储的所述第二激光雷达集合中的每个激光雷达采集的点云数据包的数目均已达到该激光雷达的单位采集周期内应采集点云数据包数。
在一些实施例中，所述根据激光雷达的重要级别，在所述至少一个激光雷达中选取不包括所述第一激光雷达的至少一个激光雷达组成第二激光雷达集合，包括：对所述至少一个激光雷达按照重要级别进行排序，并按照重要级别从高到低的顺序在所述至少一个激光雷达中选取不包括所述第一激光雷达的预定数目个激光雷达组成第二激光雷达集合。
在一些实施例中，所述激光雷达的重要级别是根据激光雷达在所述无人驾驶车辆中的位置信息预先设置的。
第二方面，本申请提供了一种用于无人驾驶车辆的数据获取装置，所述装置包括：获取单元，配置用于获取无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息，所述参数信息包括：重要级别、采集周期、单位采集周期内应采集点云数据包数；第一选取单元，配置用于在所述至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达；第一执行单元，配置用于获取当前时间窗口的起始时间并执行以下数据处理步骤：对所述至少一个激光雷达中的每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作；确定是否满足以下条件组中的任一条件：从所述当前时间窗口的起始时间到当前时间已经经过了所述第一激光雷达的采集周期，所获取和存储的所述第一激光雷达采集的点云数据包的数目已经达到所述第一激光雷达的单位采集周期内应采集点云数据包数；第二执行单元，配置用于响应于确定满足所述条件组中的任一条件，则将所述当前时间窗口的起始时间设置为当前时间，并继续执行所述数据处理步骤。
在一些实施例中，所述第一执行单元进一步配置用于：实时获取所述至少一个激光雷达中每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包并存储至与所述当前时间窗口对应的缓存地址所指示的缓存中；以及所述第二执行单元进一步配置用于：为所述当前时间窗口设置对应的缓存地址。
在一些实施例中，所述装置还包括：第二选取单元，配置用于根据激光雷达的重要级别，在所述至少一个激光雷达中选取不包括所述第一激光雷达的至少一个激光雷达组成第二激光雷达集合；以及所述条件组还包括：所获取和存储的所述第二激光雷达集合中的每个激光雷达采集的点云数据包的数目均已达到该激光雷达的单位采集周期内应采集点云数据包数。
在一些实施例中，所述第二选取单元进一步配置用于：对所述至少一个激光雷达按照重要级别进行排序，并按照重要级别从高到低的顺序在所述至少一个激光雷达中选取不包括所述第一激光雷达的预定数目个激光雷达组成第二激光雷达集合。
在一些实施例中，所述激光雷达的重要级别是根据激光雷达在所述无人驾驶车辆中的位置信息预先设置的。
本申请提供的用于无人驾驶车辆的数据获取方法和装置，通过获取无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息，然后在至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达，接着获取当前时间窗口的起始时间并执行以下数据处理步骤：对至少一个激光雷达中的每个激光雷达在当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作，并确定是否满足以下条件组中的任一条件：从当前时间窗口的起始时间到当前时间已经经过了第一激光雷达的采集周期，所获取和存储的第一激光雷达采集的点云数据包的数目已经达到第一激光雷达的单位采集周期内应采集点云数据包数，最后响应于确定满足上述条件组中的任一条件，则将当前时间窗口的起始时间设置为当前时间，并继续执行上述数据处理步骤。从而实现了无人驾驶车辆的至少一个激光雷达所采集的点云数据包的对齐存储。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于无人驾驶车辆的数据获取方法的一个实施例的流程图；
图3a-图3b是根据本申请的用于无人驾驶车辆的数据获取方法的一个应用场景的示意图；
图4是根据本申请的用于无人驾驶车辆的数据获取装置的一个实施例的结构示意图；
图5是适于用来实现本申请实施例的控制设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于无人驾驶车辆的数据获取方法或用于无人驾驶车辆的数据获取装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括激光雷达101、102、103，网络104和控制设备105。网络104用以在激光雷达101、102、103和控制设备105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路、总线、网线或者光纤电缆等等。
激光雷达101、102、103可以通过网络104与控制设备105交互，以接收或发送消息等。例如，控制设备105可以通过网络104发送控制指令给激光雷达101、102、103，而激光雷达101、102、103可以通过网络104将各自采集到的点云数据包发送给控制设备105。控制设备105上可以安装有各种应用，例如激光雷达数据获取类应用、激光雷达数据处理类应用、无人驾驶车辆控制类应用等。
需要说明的是，本申请实施例所提供的用于无人驾驶车辆的数据获取方法一般由控制设备105执行，相应地，用于无人驾驶车辆的数据获取装置一般设置于控制设备105中。
应该理解，图1中的激光雷达、网络和控制设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的激光雷达、网络和控制设备。
继续参考图2，其示出了根据本申请的用于无人驾驶车辆的数据获取方法的一个实施例的流程200。所述的用于无人驾驶车辆的数据获取方法，包括以下步骤：
步骤201，获取无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息。
在本实施例中，无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息可以存储在用于无人驾驶车辆的数据获取方法运行于其上的电子设备(例如图1所示的控制设备)本地，这样上述电子设备可以通过本地获取其所在的无人驾驶车辆中设置的至少一个激光雷达中每个激光雷达的参数信息。无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息也可以存储在对上述无人驾驶车辆进行支持的云服务器(图中未示出)中，这样上述电子设备也可以远程地从上述云服务器获取无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息。
在本实施例中，激光雷达的参数信息可以包括：重要级别、采集周期、单位采集周期内应采集点云数据包数。
在本实施例中，可以针对无人驾驶车辆的每个激光雷达预置重要级别。重要级别表征的是激光雷达在无人驾驶车辆的控制系统中所起的作用的重要性。重要级别可以采用各种方式来表示。作为示例，重要级别可以是用数字来表示，例如，重要级别包括：“1”、“2”、“3”、“4”、“5”五个级别，其中“1”级别最低，“5”级别最高；重要级别也可以用字符来表示，例如，重要级别可以包括：“A”、“B”、“C”、“D”、“E”五个级别，其中“A”级别最低，“E”级别最高；重要级别还可以用文字来表示，例如，重要级别可以包括：“最重要”、“很重要”、“比较重要”、“一般”、“不重要”五个级别，其中“最重要”级别最高，“不重要”级别最低。
在本实施例的一些可选的实现方式中，激光雷达的重要级别可以是根据激光雷达在无人驾驶车辆中的位置信息预先设置的。例如，对于位于无人驾驶车辆车顶的激光雷达，由于其扫描范围大，可以为该激光雷达设置最高的重要级别。
在本实施例中，可以针对无人驾驶车辆的每个激光雷达预置采集周期。采集周期表示的是激光雷达采集一次数据所需要的时间。激光雷达的采集周期可以是根据激光雷达的硬件参数预先设置的。例如，激光雷达转一圈的时间是100毫秒，100毫秒就是激光雷达的采集周期。
在本实施例中，可以针对无人驾驶车辆的每个激光雷达预置单位采集周期内应采集点云数据包数。单位采集周期内应采集点云数据包数是激光雷达在每个采集周期内正常所能采集到的点云数据包数目。激光雷达的单位采集周期内应采集点云数据包数可以是根据激光雷达的硬件参数预先设置的。例如，对于64线激光雷达来说，每线激光雷达在每个采集周期内正常情况下可以采集6个点云数据包，则64线激光雷达在单位采集周期内正常应采集64*6＝384个点云数据包，因此384就是64线激光雷达的单位采集周期内应采集点云数据包数。
步骤202，在至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达。
在本实施例中，上述电子设备可以在获取到无人驾驶车辆的各个激光雷达的参数信息之后，在至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达。
步骤203，获取当前时间窗口的起始时间。
在本实施例中，时间窗口包括起始时间和结束时间，时间窗口的结束时间与起始时间之差为时间窗口的窗口长度。这里获取当前时间窗口的起始时间可以是指无人驾驶车辆从停止状态或者引擎关闭状态转换为行驶状态时，获取当前时间作为当前时间窗口的起始时间，获取到当前时间窗口的起始时间之后，上述电子设备就可以转到步骤204以实时获取和存储无人驾驶车辆的至少一个激光雷达中的每个激光雷达在当前时间窗口的起始时间之后采集的点云数据包。在步骤204中对至少一个激光雷达中的每个激光雷达采集的点云数据包执行实时获取和存储操作的过程中，同一时间当前时间窗口只有一个。当前时间窗口开始后，就进入步骤204执行实时获取和存储操作，并在步骤205中判断是否符合当前时间窗口结束的条件，如果符合则进入步骤206以结束当前时间窗口进入下一个时间窗口，下一个时间窗口的起始时间是上一个时间窗口的结束时间，下一个时间窗口又会作为当前时间窗口重新执行步骤204。
在本实施例的一些可选的实现方式中，上述电子设备可以获取其操作系统提供的当前时间，作为当前时间窗口的起始时间。
在本实施例的一些可选的实现方式中，上述电子设备也可以远程地从提供时间服务的云服务器获取上述云服务器提供的当前时间，作为当前时间窗口的起始时间。
在本实施例的一些可选的实现方式中，上述电子设备还可以从无人驾驶车辆上安装的GPS(Global Positioning System，全球定位系统)获取GPS提供的当前时间，作为当前时间窗口的起始时间。
步骤204，对至少一个激光雷达中的每个激光雷达在当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作。
在本实施例中，上述电子设备可以对至少一个激光雷达中的每个激光雷达在当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作。
在本实施例的一些可选的实现方式中，上述电子设备可以实时获取至少一个激光雷达中的每个激光雷达在当前时间窗口的起始时间之后采集的点云数据包并存储至与当前时间窗口对应的缓存地址所指示的缓存中。这里，与当前时间窗口对应的缓存地址可以是在步骤206中，将当前时间窗口的起始时间设置为当前时间之后，转到本步骤204之前，为当前时间窗口设置的对应的缓存地址。基于上述操作，至少一个激光雷达在一个时间窗口之内采集的点云数据包存储到一个缓存地址所指示的缓存中，至少一个激光雷达在不同时间窗口之内采集的点云数据包存储到不同的时间窗口对应的缓存地址所指示的缓存中，从而实现了对至少一个激光雷达采集的点云数据包的对齐存储。
步骤205，确定是否满足条件组中的任一条件，如果是，转到步骤206。
在本实施例中，上述电子设备可以在对至少一个激光雷达中的每个激光雷达在当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作的过程中，实时确定是否满足条件组中的任一条件，如果确定满足，则可以转到步骤206。这里，条件组可以包括：从当前时间窗口的起始时间到当前时间已经经过第一激光雷达的采集周期，所获取和存储的第一激光雷达采集的点云数据包的数目已经达到第一激光雷达的单位采集周期内应采集点云数据包数。
在本实施例的一些可选的实现方式中，上述电子设备还可以在步骤202之后，根据激光雷达的重要级别，在至少一个激光雷达中选取不包括第一激光雷达的至少一个激光雷达组成第二激光雷达集合，这样，上述条件组还可以包括：所获取和存储的第二激光雷达集合中的每个激光雷达采集的点云数据包的数目均已达到该激光雷达的单位采集周期内应采集点云数据包数。
在本实施例的一些可选的实现方式中，上述电子设备可以首先对至少一个激光雷达按照重要级别进行排序，然后可以按照重要级别从高到低的顺序在至少一个激光雷达中选取不包括第一激光雷达的预定数目个激光雷达组成第二激光雷达集合。
在本实施例的一些可选的实现方式中，上述电子设备也可以在至少一个激光雷达中选取重要级别比第一激光雷达的重要级别低一级的所有激光雷达组成第二激光雷达集合。
在本实施例的一些可选的实现方式中，还可以在至少一个激光雷达中选取重要级别比第一激光雷达的重要级别低一级的第一预定数目个激光雷达组成第二激光雷达集合。
步骤206，将当前时间窗口的起始时间设置为当前时间，并转到步骤204继续执行。
在本实施例中，上述电子设备可以在确定满足条件组中的任一条件的情况下，将当前时间窗口的起始时间设置为当前时间(即，进入下一时间窗口)并转到步骤204继续执行。
在本实施例的一些可选的实现方式中，上述电子设备还可以在将当前时间窗口的起始时间设置为当前时间之后，转到步骤204之前，为当前时间窗口设置对应的缓存地址，即，上一时间窗口已经结束，当前时间窗口的缓存地址会与上一时间窗口的缓存地址不同，需要为当前时间窗口设置新的缓存地址，以供在当前时间窗口开始以后时确定将至少一个激光雷达中的每个激光雷达在当前时间窗口的起始时间之后采集的点云数据包存储到与当前时间窗口对应的缓存地址所指示的缓存中。
需要说明的是，当无人驾驶车辆处于行驶状态，上述步骤204到步骤206的数据处理步骤是持续进行的，目的是通过至少一个激光雷达采集的点云数据包，为无人驾驶车辆的控制系统提供信息，以供无人驾驶车辆的控制系统生成控制指令，控制车辆的行驶。如果无人驾驶车辆处于停止状态或者引擎关闭状态，上述步骤204到步骤206的数据处理步骤可以停止。当无人驾驶车辆再次处于行驶状态时，可以从步骤201重新开始执行。
在本实施例的一些可选的实现方式中，上述无人驾驶车辆的控制设备中可以安装有机器人操作系统(ROS，Robot Operating System)。机器人操作系统可以由很多节点和话题构成，每个节点都可以是一个独立的进程。节点可以分为两种：发送节点和接收节点，其中，发送节点可以用于发送采集的数据，接收节点可以用于接收发送节点发出的数据(有时一个节点既可以是发送节点，又可以是接收节点)。而话题是节点之间建立连接的依据。当节点之间建立连接后，发送节点和接收节点可以通过共享内存进行数据的传输。此外，传输不同话题的数据时，可以使用不同的共享内存。上述用于无人驾驶车辆的数据获取方法可以是机器人操作系统中的一个发送节点，该发送节点可以按照上述用于无人驾驶车辆的数据获取方法将无人驾驶车辆上的至少一个激光雷达采集的点云数据包对齐后存储在作为该发送节点与接收节点间传输介质的共享内存中，当该发送节点的当前时间窗口结束时，可以向接收节点发送至少一个激光雷达采集的点云数据包已对齐存储的消息，这样接收节点就可以从作为该发送节点与接收节点间传输介质的共享内存中去获取对齐存储后的至少一个激光雷达采集的点云数据包，接收节点可以对所获取的点云数据包进行相应的处理后生成控制无人驾驶车辆的控制指令，即发送节点和接收节点一起实现了将至少一个激光雷达所采集到的感知外界环境的数据融合后转换成控制指令，从而达到控制无人驾驶车辆的目的。
继续参见图3a-图3b，图3a-图3b是根据本实施例的用于无人驾驶车辆的数据获取方法的应用场景的一个示意图。在图3a-图3b的应用场景中，包括激光雷达A、激光雷达B、激光雷达C和激光雷达D共四个激光雷达，四个激光雷达的参数信息如表1所示。
表1
从表1中，可以确定激光雷达A重要级别最高，因此将激光雷达A作为第一激光雷达。
图3a-图3b中，横轴表示时间，纵轴表示不同的激光雷达，黑色圆点表示的是不同的激光雷达在对应的时间点所采集到的数据包，其中，PA1表示的是激光雷达A采集到的第1个数据包，PA2表示的是激光雷达A采集到的第2个数据包，……，PA10表示的是激光雷达A采集到的第10个数据包；PB1表示的是激光雷达B采集到的第1个数据包，PB2表示的是激光雷达B采集到的第2个数据包，……，PB6表示的是激光雷达B采集到的第6个数据包；PC1表示的是激光雷达C采集到的第1个数据包，PC2表示的是激光雷达C采集到的第2个数据包，……，PC5表示的是激光雷达C采集到的第5个数据包；PD1表示的是激光雷达D采集到的第1个数据包，PD2表示的是激光雷达D采集到的第2个数据包，PD3表示的是激光雷达D采集到的第3个数据包。
图3a中示出了满足条件组中条件为“从当前时间窗口的起始时间到当前时间已经经过了第一激光雷达的采集周期”的情况下所进行的数据处理步骤的示意图。在图3a中，第一激光雷达(即激光雷达A)的采集周期为100毫秒，因此，不论每个激光雷达采集到多少数据包，只要从当前时间窗口的起始时间到当前时间已经经过了第一激光雷达的采集周期(即，100毫秒)，就会将当前时间作为当前时间窗口的起始时间以结束上一时间窗口进入下一时间窗口。如图3a所示，第一个时间窗口的起始时间为0毫秒(如图3a中图标301所示的直线所指示的时间点)，结束时间为起始时间加上第一激光雷达的采集周期(即，100毫秒)所得到的100毫秒(如图3a中图标302所示的直线所指示的时间点)，在从第一个时间窗口的起始时间0毫秒到第一个时间窗口的结束时间100毫秒之间，控制设备已经实时获取并存储了激光雷达A采集的4个数据包PA1、PA2、PA3和PA4，激光雷达B采集的两个数据包PB1和PB2，激光雷达C采集的两个数据包PC1和PC2以及激光雷达D采集的1个数据包PD1，而此时已经满足条件组中的条件“从当前时间窗口的起始时间到当前时间已经经过了第一激光雷达的采集周期”，因此，控制设备便将当前窗口的起始时间设置为当前时间100毫秒(如图3a中图标302所示的直线所指示的时间点)，从而进入第二个时间窗口，第二个时间窗口的起始时间为100毫秒，结束时间为起始时间加上第一激光雷达的采集周期(即，100毫秒)所得到的200毫秒(如图3a中图标303所示的直线所指示的时间点)，在从第二个时间窗口的起始时间100毫秒到第二个时间窗口的结束时间200毫秒之间，控制设备已经实时获取并存储了激光雷达A采集的3个数据包PA5、PA6和PA7，激光雷达B采集的两个数据包PB3和PB4，激光雷达C采集的1个数据包PC3以及激光雷达D采集的1个数据包PD2，而此时已经满足条件组中的条件“从当前时间窗口的起始时间到当前时间已经经过了第一激光雷达的采集周期”，因此，控制设备便将当前窗口的起始时间设置为当前时间200毫秒，从而进入第三个时间窗口，第三个时间窗口的起始时间为200毫秒(如图3a中图标303所示的直线所指示的时间点)，结束时间为起始时间加上第一激光雷达的采集周期(即，100毫秒)所得到的300毫秒，……，如此继续下去。通过以上的数据处理步骤，控制设备实现了对至少一个激光雷达采集的点云数据包的对齐存储。
图3b示出了满足条件组中的“所获取和存储的第一激光雷达采集的点云数据包的数目已经达到第一激光雷达的单位采集周期内应采集点云数据包数”的情况下所进行的数据处理步骤的示意图。从表1中可以看出，第一激光雷达(即激光雷达A)的单位采集周期内应采集点云数据包数为4，因此，不论经过多长时间，只有当所获取和存储的激光雷达A在当前时间窗口的起始时间之后采集的点云数据包数达到4个的时候才能进入下一时间窗口。如图3b所示，第一个时间窗口的起始时间为0毫秒(如图3b中图标304所示的直线所指示的时间点)，在所获取和存储的激光雷达A在第一个时间窗口的起始时间之后采集的数据包数达到4个时(如图3b中图标305所示的直线所指示的时间点125毫秒)，第一个时间窗口结束，进入第二个时间窗口。在从第一个时间窗口的起始时间(如图3b中图标304所示的直线所指示的时间点0毫秒)到第一个时间窗口的结束时间(如图3b中图标305所示的直线所指示的时间点125毫秒)之间，控制设备已经实时获取并存储了激光雷达A采集的4个数据包PA1、PA2、PA3和PA4，激光雷达B采集的三个数据包PB1、PB2和PB3，激光雷达C采集的两个数据包PC1和PC2以及激光雷达D采集的1个数据包PD1，而此时已经满足条件组中的条件“所获取和存储的第一激光雷达所采集的数据包的数目已经达到第一激光雷达的单位采集周期内应采集点云数据包数”，因此，控制设备便将当前窗口的起始时间设置为当前时间125毫秒，从而进入第二个时间窗口，第二个时间窗口的起始时间为第一个时间窗口的结束时间125毫秒(如图3b中图标305所示的直线所指示的时间点)。当所获取和存储的激光雷达A在第二个时间窗口的起始时间之后采集的点云数据包数达到4个时(如图3b中图标306所示的直线所指示的时间点225毫秒)进入第三个时间窗口。在从第二个时间窗口的起始时间(即125毫秒)到第二个时间窗口的结束时间(即225毫秒)之间，控制设备已经实时获取并存储了激光雷达A采集的4个数据包PA5、PA6、PA7和PA8，激光雷达B采集的两个数据包PB4和PB5，激光雷达C采集的两个数据包PC3和PC4以及激光雷达D采集的1个数据包PD2，而此时已经满足条件组中的“所获取和存储的第一激光雷达采集的点云数据包的数目已经达到第一激光雷达的单位采集周期内应采集点云数据包数”，因此，控制设备便将当前窗口的起始时间设置为当前时间225毫秒(如图3b中图标306所示的直线所指示的时间点225毫秒)，从而进入第三个时间窗口，第三个时间窗口的起始时间为第二个时间窗口的结束时间225毫秒，……，如此继续下去。通过以上的数据处理步骤，控制设备实现了对至少一个激光雷达采集的点云数据包的对齐存储。
本申请的上述实施例提供的方法通过确定无人驾驶车辆的至少一个激光雷达中的第一激光雷达，然后获取当前时间窗口的起始时间并执行以下数据处理步骤：对至少一个激光雷达中的每个激光雷达在当前时间窗口的起始时间之后采集的数据包执行实时获取和存储操作，并确定是否满足条件组中的任一条件，在确定满足条件组中的任一条件后将当前时间窗口的起始时间设置为当前时间，并继续执行上述数据处理步骤，从而实现了无人驾驶车辆的至少一个激光雷达采集的点云数据包的对齐存储。
进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于无人驾驶车辆的数据获取装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，本实施例所述的用于无人驾驶车辆的数据获取装置400包括：获取单元401、第一选取单元402、第一执行单元403和第二执行单元404。其中，获取单元401，配置用于获取无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息，上述参数信息包括：重要级别、采集周期、单位采集周期内应采集点云数据包数；第一选取单元402，配置用于在上述至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达；第一执行单元403，配置用于获取当前时间窗口的起始时间并执行以下数据处理步骤：对上述至少一个激光雷达中的每个激光雷达在上述当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作；确定是否满足以下条件组中的任一条件：从上述当前时间窗口的起始时间到当前时间已经经过了上述第一激光雷达的采集周期，所获取和存储的上述第一激光雷达采集的点云数据包的数目已经达到上述第一激光雷达的单位采集周期内应采集点云数据包数；第二执行单元404，配置用于响应于确定满足上述条件组中的任一条件，则将上述当前时间窗口的起始时间设置为当前时间，并继续执行上述数据处理步骤。
在本实施例中，用于无人驾驶车辆的数据获取装置400的获取单元401、第一选取单元402、第一执行单元403和第二执行单元404的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203-步骤205和步骤206的相关说明，在此不再赘述。
本实施例的一些可选的实现方式中，上述第一执行单元403可以进一步配置用于：实时获取上述至少一个激光雷达中每个激光雷达在上述当前时间窗口的起始时间之后采集的点云数据包并存储至与上述当前时间窗口对应的缓存地址所指示的缓存中；以及上述第二执行单元404可以进一步配置用于：为上述当前时间窗口设置对应的缓存地址。
本实施例的一些可选的实现方式中，上述用于无人驾驶车辆的数据获取装置400还可以包括：第二选取单元405，配置用于根据激光雷达的重要级别，在上述至少一个激光雷达中选取不包括上述第一激光雷达的至少一个激光雷达组成第二激光雷达集合；以及上述条件组还可以包括：所获取和存储的上述第二激光雷达集合中的每个激光雷达采集的点云数据包的数目均已达到该激光雷达的单位采集周期内应采集点云数据包数。
本实施例的一些可选的实现方式中，上述第二选取单元405可以进一步配置用于：对上述至少一个激光雷达按照重要级别进行排序，并按照重要级别从高到低的顺序在上述至少一个激光雷达中选取不包括上述第一激光雷达的预定数目个激光雷达组成第二激光雷达集合。
本实施例的一些可选的实现方式中，上述激光雷达的重要级别可以是根据激光雷达在上述无人驾驶车辆中的位置信息预先设置的。
下面参考图5，其示出了适于用来实现本申请实施例的控制设备的计算机系统500的结构示意图。
如图5所示，计算机系统500包括中央处理单元(CPU，Central Processing Unit)501，其可以根据存储在只读存储器(ROM，Read Only Memory)502中的程序或者从存储部分508加载到随机访问存储器(RAM，Random Access Memory)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括传感器、ECU(Electronic Control Unit，电子控制单元)等的输入部分506；包括诸如传感器、ECU等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一选取单元、第一执行单元和第二执行单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取参数信息的单元”。
作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：获取无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息，上述参数信息包括：重要级别、采集周期、单位采集周期内应采集点云数据包数；在上述至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达；获取当前时间窗口的起始时间并执行以下数据处理步骤：对上述至少一个激光雷达中的每个激光雷达在上述当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作；确定是否满足以下条件组中的任一条件：从上述当前时间窗口的起始时间到当前时间已经经过了上述第一激光雷达的采集周期，所获取和存储的上述第一激光雷达采集的点云数据包的数目已经达到上述第一激光雷达的单位采集周期内应采集点云数据包数；响应于确定满足上述条件组中的任一条件，则将上述当前时间窗口的起始时间设置为当前时间，并继续执行上述数据处理步骤。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于无人驾驶车辆的数据获取方法，其特征在于，所述方法包括：
获取无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息，所述参数信息包括：重要级别、采集周期、单位采集周期内应采集点云数据包数；
在所述至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达；
获取当前时间窗口的起始时间并执行以下数据处理步骤：对所述至少一个激光雷达中的每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作；确定是否满足以下条件组中的任一条件：从所述当前时间窗口的起始时间到当前时间已经经过了所述第一激光雷达的采集周期，所获取和存储的所述第一激光雷达采集的点云数据包的数目已经达到所述第一激光雷达的单位采集周期内应采集点云数据包数；
响应于确定满足所述条件组中的任一条件，则将所述当前时间窗口的起始时间设置为当前时间，并继续执行所述数据处理步骤。
2.根据权利要求1所述的方法，其特征在于，所述对所述至少一个激光雷达中的每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作，包括：
实时获取所述至少一个激光雷达中每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包并存储至与所述当前时间窗口对应的缓存地址所指示的缓存中；以及
所述将所述当前时间窗口的起始时间设置为当前时间之后，所述方法还包括：
为所述当前时间窗口设置对应的缓存地址。
3.根据权利要求1所述的方法，其特征在于，所述在所述至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达之后，所述方法还包括：
根据激光雷达的重要级别，在所述至少一个激光雷达中选取不包括所述第一激光雷达的至少一个激光雷达组成第二激光雷达集合；以及
所述条件组还包括：所获取和存储的所述第二激光雷达集合中的每个激光雷达采集的点云数据包的数目均已达到该激光雷达的单位采集周期内应采集点云数据包数。
4.根据权利要求3所述的方法，其特征在于，所述根据激光雷达的重要级别，在所述至少一个激光雷达中选取不包括所述第一激光雷达的至少一个激光雷达组成第二激光雷达集合，包括：
对所述至少一个激光雷达按照重要级别进行排序，并按照重要级别从高到低的顺序在所述至少一个激光雷达中选取不包括所述第一激光雷达的预定数目个激光雷达组成第二激光雷达集合。
5.根据权利要求1-4中任一所述的方法，其特征在于，所述激光雷达的重要级别是根据激光雷达在所述无人驾驶车辆中的位置信息预先设置的。
6.一种用于无人驾驶车辆的数据获取装置，其特征在于，所述装置包括：
获取单元，配置用于获取无人驾驶车辆的至少一个激光雷达中每个激光雷达的参数信息，所述参数信息包括：重要级别、采集周期、单位采集周期内应采集点云数据包数；
第一选取单元，配置用于在所述至少一个激光雷达中选取重要级别最高的激光雷达作为第一激光雷达；
第一执行单元，配置用于获取当前时间窗口的起始时间并执行以下数据处理步骤：对所述至少一个激光雷达中的每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包执行实时获取和存储操作；确定是否满足以下条件组中的任一条件：从所述当前时间窗口的起始时间到当前时间已经经过了所述第一激光雷达的采集周期，所获取和存储的所述第一激光雷达采集的点云数据包的数目已经达到所述第一激光雷达的单位采集周期内应采集点云数据包数；
第二执行单元，配置用于响应于确定满足所述条件组中的任一条件，则将所述当前时间窗口的起始时间设置为当前时间，并继续执行所述数据处理步骤。
7.根据权利要求6所述的装置，其特征在于，所述第一执行单元进一步配置用于：
实时获取所述至少一个激光雷达中每个激光雷达在所述当前时间窗口的起始时间之后采集的点云数据包并存储至与所述当前时间窗口对应的缓存地址所指示的缓存中；以及
所述第二执行单元进一步配置用于：
为所述当前时间窗口设置对应的缓存地址。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第二选取单元，配置用于根据激光雷达的重要级别，在所述至少一个激光雷达中选取不包括所述第一激光雷达的至少一个激光雷达组成第二激光雷达集合；以及
所述条件组还包括：所获取和存储的所述第二激光雷达集合中的每个激光雷达采集的点云数据包的数目均已达到该激光雷达的单位采集周期内应采集点云数据包数。
9.根据权利要求8所述的装置，其特征在于，所述第二选取单元进一步配置用于：
对所述至少一个激光雷达按照重要级别进行排序，并按照重要级别从高到低的顺序在所述至少一个激光雷达中选取不包括所述第一激光雷达的预定数目个激光雷达组成第二激光雷达集合。
10.根据权利要求6-9中任一所述的装置，其特征在于，所述激光雷达的重要级别是根据激光雷达在所述无人驾驶车辆中的位置信息预先设置的。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610834745.7A CN107844115B (zh) | 2016-09-20 | 2016-09-20 | 用于无人驾驶车辆的数据获取方法和装置 |
| US15/410,906 US10345433B2 (en) | 2016-09-20 | 2017-01-20 | Data acquiring method and apparatus applied to driverless vehicle |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610834745.7A CN107844115B (zh) | 2016-09-20 | 2016-09-20 | 用于无人驾驶车辆的数据获取方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107844115A CN107844115A (zh) | 2018-03-27 |
| CN107844115B true CN107844115B (zh) | 2019-01-29 |
Family
ID=61620298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610834745.7A Active CN107844115B (zh) | 2016-09-20 | 2016-09-20 | 用于无人驾驶车辆的数据获取方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US10345433B2 (zh) |
| CN (1) | CN107844115B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106225790B (zh) * | 2016-07-13 | 2018-11-02 | 百度在线网络技术（北京）有限公司 | 一种无人车定位精度的确定方法及装置 |
| CN109285163B (zh) * | 2018-09-05 | 2021-10-08 | 武汉中海庭数据技术有限公司 | 基于激光点云的车道线左右轮廓线交互式提取方法 |
| CN110971327A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 用于环境目标的时间同步方法及装置 |
| CN110770600B (zh) * | 2018-11-29 | 2023-04-14 | 深圳市大疆创新科技有限公司 | 分布式光检测和测距（lidar）管理系统 |
| CN109558854B (zh) * | 2018-12-05 | 2021-04-06 | 百度在线网络技术（北京）有限公司 | 障碍物感知方法、装置、电子设备及存储介质 |
| CN112000628B (zh) * | 2020-08-21 | 2024-02-02 | 西安理工大学 | 多通道激光雷达数据存储方法、装置及电子设备 |
| EP4354176A4 (en) * | 2021-07-09 | 2024-08-07 | Huawei Tech Co Ltd | METHOD AND DEVICE FOR DETECTION CONTROL |
| CN114419875B (zh) * | 2021-12-08 | 2023-12-22 | 斑马网络技术有限公司 | 车辆行程切分方法、装置及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104112363A (zh) * | 2014-07-04 | 2014-10-22 | 西安交通大学 | 多传感数据时空同步方法及道路多传感数据车载采集系统 |
| CN203909604U (zh) * | 2013-10-10 | 2014-10-29 | 北京汽车股份有限公司 | 一种车载信息自动采集系统及车辆 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9014192B2 (en) * | 2005-03-21 | 2015-04-21 | Qualcomm Incorporated | Method and apparatus for improving data transmission reliability in a wireless communications system |
| US8108092B2 (en) * | 2006-07-14 | 2012-01-31 | Irobot Corporation | Autonomous behaviors for a remote vehicle |
| US20140169325A1 (en) * | 2012-12-14 | 2014-06-19 | Nokia Siemens Networks Oy | Carrier deployment method for reduced bandwidth mtc devices |
| US10194264B2 (en) * | 2015-09-22 | 2019-01-29 | Veniam, Inc. | Systems and methods for collecting sensor data in a network of moving things |
| US9743451B2 (en) * | 2015-09-22 | 2017-08-22 | Veniam, Inc. | Integrated communication network for a network of moving things |
-
2016
- 2016-09-20 CN CN201610834745.7A patent/CN107844115B/zh active Active
-
2017
- 2017-01-20 US US15/410,906 patent/US10345433B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203909604U (zh) * | 2013-10-10 | 2014-10-29 | 北京汽车股份有限公司 | 一种车载信息自动采集系统及车辆 |
| CN104112363A (zh) * | 2014-07-04 | 2014-10-22 | 西安交通大学 | 多传感数据时空同步方法及道路多传感数据车载采集系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107844115A (zh) | 2018-03-27 |
| US20180081039A1 (en) | 2018-03-22 |
| US10345433B2 (en) | 2019-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107844115B (zh) | 用于无人驾驶车辆的数据获取方法和装置 | |
| CN107819799B (zh) | 用于无人驾驶车辆的数据获取方法和装置 | |
| CN107819974A (zh) | 用于无人驾驶车辆的数据获取方法和装置 | |
| EP3702230B1 (en) | Method and apparatus for planning travelling path, and vehicle | |
| CN110427850B (zh) | 驾驶员高速道路换道意图预测方法、系统、装置 | |
| CN107697070B (zh) | 驾驶行为预测方法和装置、无人车 | |
| US20220171907A1 (en) | Creation of digital twin of the interaction among parts of the physical system | |
| US11847920B2 (en) | Method for feasibility evaluation of UAV digital twin based on vicon motion capture system | |
| JP7021236B2 (ja) | 視覚入力を使用したエージェントナビゲーション | |
| CN110799949A (zh) | 用于消除两个或更多个冗余模块的冗余的方法、设备和具有指令的计算机可读存储介质 | |
| CN109871019A (zh) | 用于获取坐标的方法和装置 | |
| CN108944947A (zh) | 驾驶设备决策的预测方法和装置 | |
| EP3828725A1 (en) | Method of performing a process using artificial intelligence | |
| WO2021156517A1 (en) | Learning environment representations for agent control using predictions of bootstrapped latents | |
| CN114771572A (zh) | 一种自动驾驶轨迹预测方法、装置、设备和存储介质 | |
| CN107798420B (zh) | 信息显示的方法及装置、电子设备 | |
| CN114386599B (zh) | 训练轨迹预测模型和轨迹规划的方法和装置 | |
| Gago-Benítez et al. | Log-logistic modeling of sensory flow delays in networked telerobots | |
| CN109213113A (zh) | 车辆诊断方法和系统 | |
| CN113642137A (zh) | 一种5g网络传输接入转换协议控制系统 | |
| CN114646930A (zh) | 雷达远程故障诊断系统以及方法 | |
| CN117112530A (zh) | 预测性车辆故障排除方法和系统 | |
| CN114715173A (zh) | 一种信息显示方法、装置及车载hmi系统 | |
| CN114489412A (zh) | 用于对运动传感器进行偏置矫正的方法、装置和交互方法 | |
| CN109840921B (zh) | 无人驾驶任务结果的确定方法、装置及无人驾驶设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |