CN109031251A - 一种汽车车载传感器故障自动检测方法及装置 - Google Patents
一种汽车车载传感器故障自动检测方法及装置 Download PDFInfo
- Publication number
- CN109031251A CN109031251A CN201810845765.3A CN201810845765A CN109031251A CN 109031251 A CN109031251 A CN 109031251A CN 201810845765 A CN201810845765 A CN 201810845765A CN 109031251 A CN109031251 A CN 109031251A
- Authority
- CN
- China
- Prior art keywords
- sensor
- failure
- data
- frame per
- laser radar
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 17
- 238000003384 imaging method Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 19
- 230000004888 barrier function Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
Classifications
-
- 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
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于智能汽车运行状态监控技术领域,公开了一种汽车车载传感器故障自动检测方法及装置,通过原始数据校验步骤、帧率比对步骤判断传感器是否发生故障,进一步的通过图像数据判断步骤和距离数据判断步骤判断图像传感器和激光雷达传感器是否发生故障,还可以输出相应的故障代码,通过故障代码分析出发生故障的传感器种类和故障级别,提示驾驶人员及时退出自动驾驶或辅助驾驶,确保车内乘员的安全;还可以将检测结果及时发送给远程监控中心,远程监控人员可以通过远程后台控制发生故障的车辆或及时通知车主,避免了安全事故的发生。
Description
技术领域
本发明涉及智能汽车运行状态监控技术领域,具体涉及一种汽车车载传感器故障自动检测方法及装置。
背景技术
伴随着深度学习、传感器技术、并行计算等前沿科技的不断深入发展,越来越多的前沿技术在大众生活的各个领域得到了广泛而又深入的应用。模式识别、智能控制等技术在传统汽车领域得到了广泛的应用,使得汽车变得愈加的智能,目前,车道偏离技术、自适应巡航技术、紧急情况下自动制动技术等驾驶辅助技术已经在许多高端配置的汽车上面的得到了广泛的应用,取得了良好的商业价值和高度的用户体验评价。同时,为了彻底降低道路事故率和交通拥堵,诸多的高校、科研机构和汽车厂商纷纷展开了对于自动驾驶汽车的研究,相比已经商业化的汽车辅助驾驶功能,自动驾驶汽车可以实现的功能更加的强大和全面。同时,自动驾驶汽车也配备了比辅助驾驶功能的汽车更多的传感器设备。
为了保障智能汽车的行车安全,必须要能够实时对车辆的状态以及车辆附属的电气设备的状态及车载传感器状态进行实时的感知和监测。智能汽车,尤其是自动驾驶汽车,目前尚处于研究阶段,尚无相关技术用于保障智能汽车的行车安全。而车辆行驶状态自动监测和故障预警又恰恰是智能汽车中非常重要的一个环节,尤其是针对于自动驾驶汽车,其重要性更是不言而喻,如果不能够及时发现车身设备的故障,那么就有可能导致非常严重的后果。
发明内容
为了能够在无人驾驶或者辅助驾驶过程中实时检测车载传感器是否发生故障,本发明提供一种汽车车载传感器故障自动检测方法及装置;
一种汽车车载传感器故障自动检测方法,包括:
原始数据校验步骤,读取所述传感器的原始数据流信息,采用预设的原始数据流信息校验方法对所述原始数据流信息进行校验,若校验失败则认为所述传感器发生故障;
帧率比对步骤,根据所述传感器输出的实时数据,计算所述实时数据的帧率;将计算得到的所述帧率与预设的帧率比对,若比对失败则认为所述传感器发生故障。
其中,所述传感器包括图像传感器,所述检测方法还包括:
图像数据判断步骤,在原始数据校验步骤校验成功、且帧率比对步骤比对成功后,计算连续的多帧图像的亮度值,若连续的多帧图像每一帧的亮度值均为最小亮度值或最大亮度值,则认为所述图像传感器发生故障。
其中,所述传感器包括激光雷达传感器,所述检测方法还包括:
距离数据判断步骤,在原始数据校验步骤校验成功、且帧率比对步骤比对成功后,计算连续的多帧激光雷达数据中每一帧的部分或全部激光点与激光雷达传感器原点的距离,若所述连续的多帧激光雷达数据中每一帧计算的距离均为最小距离或者最大距离,则认为所述激光雷达传感器发生故障。
其中,所述帧率比对步骤还包括:
判断所述实时数据的帧率在多个运算周期内是否均为0,若是认为所述传感器发生故障。
其中,还包括:在检测到所述传感器发送故障后,输出相应的故障代码;所述故障代码包括相应的传感器的种类和故障级别。
一种汽车车载传感器故障自动检测装置,包括:
原始数据校验模块,用于读取所述传感器的原始数据流信息,采用预设的原始数据流信息校验方法对所述原始数据流信息进行校验,若校验失败则认为所述传感器发生故障;
帧率比对模块,用于根据所述传感器输出的实时数据,计算所述实时数据的帧率;将计算得到的所述帧率与预设的帧率比对,若比对失败则认为所述传感器发生故障。
其中,所述传感器包括图像传感器,所述检测装置还包括图像数据判断模块,用于在原始数据校验模块校验成功、且帧率比对模块比对成功后,计算连续的多帧图像的亮度值,若连续的多帧图像每一帧的亮度值均为最小亮度值或最大亮度值,则认为所述图像传感器发生故障。
其中,所述传感器包括激光雷达传感器,所述检测装置还包括:
距离数据判断模块,用于在原始数据校验模块校验成功、且帧率比对模块比对成功后,计算连续的多帧激光雷达数据中每一帧的部分或全部激光点与激光雷达传感器原点的距离,若所述连续的多帧激光雷达数据中每一帧计算的距离均为最小距离或者最大距离,则认为所述激光雷达传感器发生故障。
其中,所述帧率比对模块还用于判断所述实时数据的帧率在多个运算周期内是否均为0,若是认为所述传感器发生故障。
其中,还包括故障代码输出模块,用于在检测到所述传感器发送故障后,输出相应的故障代码;所述故障代码包括相应的传感器的种类和故障级别。
本申请提供的汽车车载传感器故障自动检测方法,通过原始数据校验步骤、帧率比对步骤判断传感器是否发生故障,进一步的通过图像数据判断步骤和距离数据判断步骤判断图像传感器和激光雷达传感器是否发生故障,还可以输出相应的故障代码,通过故障代码分析出发生故障的传感器种类和故障级别,这样如果智能汽车在行驶时出现传感器故障,用户可以及时退出主动驾驶或辅助驾驶,防止事故的发生。
附图说明
图1为本申请实施例1中故障自动检测方法流程图;
图2为本申请实施例2中故障自动检测装置结构框图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
实施例1
本实施例提供一种汽车车载传感器故障自动检测方法,根据检测结果判定故障的严重情况,将故障的等级划分为一级故障、二级故障、三级故障和四级故障,其中一级故障的故障等级最高,故障情况也最为严重。
如图1,该检测方法包括原始数据校验步骤10,通过多种可配置的数据传输接口读取传感器的原始数据流信息,该原始数据流信息指的是传感器工作时直接输出的最原始的底层数据,在读取传感器的原始数据流信息后,依据用户提前预设的传感器原始数据流信息校验方法对原始数据流信息进行校验,具体为,从传感器读取的每一帧原始数据流信息均包括数据段和校验段两部分数据,数据段部分为读取的传感器数据的内容,校验段部分为预设的对读取的数据段的内容进行相应的校验操作,此处应当说明的是不同的传感器的读取数据的校验方法不同,本实施例中主要采用CRC(循环冗余校验码)和求和的校验方法得到校验数据。此处,以CRC校验进行举例说明,读取每一帧数据时,采用同样的校验方法对数据段的数据内容进行校验,然后与校验段的结果进行比对,如果得到的校验数据和读取的校验段数据一致,则说明数据段在传输过程中没有问题,校验成功;否则认为校验失败,若校验失败则认为传感器发生故障,且为三级故障。原始数据流信息可包含检验信息,在读取传感器的原始数据流信息中的校验信息后,对该校验信息进行校验,若校验失败则认为传感器发生故障,且为三级故障。
其中,该检测方法还包括帧率比对步骤11,通过传感器的接口读取传感器输出的实时数据,计算实时数据的帧率,并将计算的实时数据的帧率与用户提前配置的帧率进行比对,如果比对失败,则认为传感器发生故障,故障等级为二级故障。其中如果计算出的实时数据的帧率在多个运算周期(例如,4个或4个以上运算周期)内始终为0,则认为传感器未检测到任何数据,则认为传感器发生了一级故障。
其中,在原始数据校验步骤校验成功、且帧率比对步骤比对成功后,进一步的包括图像数据判断步骤12,如果原始数据校验步骤和帧率比对步骤中任何一个步骤检测出传感器发生故障,则不执行图像数据判断步骤。
其中图像数据判断步骤包括,计算连续的多帧图像的亮度值,若连续的多帧图像每一帧的亮度值均为最小亮度值或最大亮度值,则认为所述图像传感器发生故障,且为四级故障,其中最小亮度值和最大亮度值分别指亮度值为0和255,正常情况下,图像传感器一定不会是全白或者全黑的。即使是在光照极弱和非常强的环境下,也不会全是0或者255。具体的,在计算任意一帧图像的亮度值时,通过下述公式(1)进行计算:
Vbright=(Vr+Vg+Vb)/3 (1)
其中,式(1)中Vr、Vg、Vb分别是图像传感器获取的该帧图像每一个数据点的RGB分量(RGB色彩模式是工业界的一种颜色标准)的数值,Vbright用于近似表示该帧图像的亮度值。
进一步的,在原始数据校验步骤校验成功、且帧率比对步骤比对成功后,还包括距离数据判断步骤13,计算连续多帧激光雷达数据中每一帧的全部激光点与激光雷达传感器原点的距离,其中每一帧激光雷达数据中包括32*12个点,若连续的多帧激光雷达数据中每一帧计算的距离均为最小距离或者最大距离,则认为激光雷达传感器发生故障,且为四级故障,其中最小距离和最大距离的值分别为0和255,正常情况下传感器的测量数据不会全是0或255。具体的,在计算任意一帧第i个激光点相对于激光雷达传感器原点的距离时,通过下述公式(2)计算:
式(2)中,xi、yi、zi分别表示该帧激光雷达数据中读取到的第i个激光点的XYZ坐标,Vidist表示第i个激光点相对于激光雷达传感器原点的距离。
进一步的,若上述任意步骤检测到传感器发生故障后,输出相应的故障代码14,故障代码中包括相应的传感器的种类和故障级别,维修人员根据故障代码找到对应的发生故障的传感器,进行快速维修。
进一步的,若上述任意步骤检测到传感器发生故障后,通过声光提示用户当前有传感器发生了故障,具体的可以通过蜂鸣器发出报警声音提示,且报警声频率越高,表示故障等级越严重;还可以通过警报灯来提醒用户,警报灯安装在用户容易观察到的位置,警报灯不同的闪烁频率代表故障的严重程度,其中闪烁频率越高,表示故障越严重。在另一种实施例中还可以通过警报灯闪烁不同的颜色表示相应的传感器发生故障,提示用户尽快维修。
本发明提供的汽车车载传感器故障自动检测方法,通过原始数据校验步骤10、帧率比对步骤11判断传感器是否发生故障,若未发生,则进一步的通过图像数据判断步骤12和距离数据判断步骤13判断图像传感器和激光雷达传感器是否发生故障,其中若检测出传感器发生故障后还可以输出相应的故障代码,维修人员通过故障代码分析出发生故障的传感器种类和故障级别,以便快速的维修,同时通过声光提示用户传感器发生了故障,提示驾驶人员及时退出自动驾驶或辅助驾驶,确保车内乘员的安全,避免安全事故的发生。
本发明的检测方法应用于智能汽车领域时,从智能汽车的传感器故障自动检测方法入手,重点对智能汽车所附属的多种传感器进行实时的故障诊断和分析,从而及时发现传感器故障,通过多种方式提示用户出现了异常状况,提示驾驶人员及时退出自动驾驶或辅助驾驶,确保车内乘员的安全。针对于自动驾驶汽车,本发明可以将故障信息及时传输给车辆的自动驾驶系统,使得自动驾驶系统可以及时对车辆的运动进行控制,在无需人工接管的情况下实现自动驾驶系统的安全控制。
实施例2
本实施例提供一种汽车车载传感器故障自动检测装置,如图2,包括用于与车载传感器通信连接的传感器接口模块22,该接口模块包括OBD系统接口、DB9串口接口、千兆以太网接口、CAN总线接口、485总线接口、CameraLink接口、USB接口;其中OBD系统接口连接车辆的ECU控制模块,获取车辆本身的OBD系统的信息,OBD系统采用OBDⅡ,其信号转换芯片的型号是ELM327;CAN总线接口连接汽车的动力CAN和舒适CAN总线,传输速率为500KB/s;千兆以太网接口连接汽车的图像传感器和激光雷达传感器;DB9串口接口连接汽车的组合导航传感器,其中该组合导航传感器包括GPS、惯性传感器以及轮速传感器。
该装置还包括与传感器接口模块连接的存储模块23,存储模块23采用热备份冗余的存储架构,包括作为主存储设备的固态硬盘和作为备份存储设备的机械硬盘,固态硬盘用于存储用户初始化该装置时的各项参数,其型号为750EVO250G,机械硬盘型号为希捷250G。其中固态硬盘中的各项参数包括两部分:第一部分是汽车传感器的配置数据,包括需要监测的车载传感器的接口类型、信号传输的协议内容、检验位计算方法、传感器原始数据帧率范围等。这些参数是监测传感器故障时处理器和各模块工作必备的参数,将这些参数单独存储在主存储设备中,方便故障检测时实时调用和用户根据调试情况进行修改。第二部分是该装置正常工作时所需要的设置参数,包括是否进行声光提醒、提醒频率、是否将当前发生的故障信息传输至远程监控中心以及与远程监控中心之间进行数据传输时的地址、接口和通信协议。
该装置包括数据处理模块21,该数据处理模块21独立于车辆的系统处理器之外,避免了原车系统处理器的故障对检测结果的干扰,该数据处理模块21的数据处理器采用NVIDIA公司的TX2嵌入式计算平台作为核心运算平台,同时辅之以多种电平转换芯片用于实现多个传感器接口的电平转换功能,用于对传感器的各种输出数据进行校验和判断以确定是否有传感器发生故障,校验方法与实施例1中相同,此处不再赘述。数据处理模块21通过传感器接口模块22与车载传感器连接,可以快速的获取传感器的输出数据。
其中,该数据处理模块21包括原始数据校验模块211,原始数据校验模块211用于读取传感器的原始数据流信息,采用预设的原始数据流信息校验方法对原始数据流信息进行校验,若校验失败则认为传感器发生三级故障,其中校验方法与步骤与实施例1中相同,例如,原始数据流信息包含检验信息,在读取传感器的原始数据流信息中的校验信息后,对该校验信息进行校验,若校验失败则认为传感器发生故障,且为三级故障。
该数据处理模块21还包括帧率比对模块212,用于根据传感器输出的实时数据,计算所述实时数据的帧率;将计算得到的所述帧率与预设的帧率比对,若比对失败则认为传感器发生故障。进一步的,帧率比对模块还用于判断实时数据的帧率是否在多个周期(例如,4个或以4个以上周期)内均为0,若是则认为传感器发生了一级故障,若传感器输出的实时数据的帧率在4个及以4个以上周期内均为0,说明传感器未检测到任何数据,说明传感器发生了最严重的一级故障。
其中,车载传感器包括图像传感器和激光雷达传感器,为了检验传感器数据的可靠性,该数据处理模块还包括图像数据判断模块213和距离数据判断模块214,用于在原始数据校验模块校验成功、且帧率比对模块比对成功后,分别通过对图像传感器和激光雷达传感器获取的数据进行检测来检验传感器数据的可靠性。
具体的,图像数据判断模块213计算连续的多帧图像的亮度值,若连续的多帧图像每一帧的亮度值均为最小亮度值或最大亮度值,则认为图像传感器发生故障,且为四级故障,其中最小亮度值和最大亮度值分别指亮度值为0和255,其中在计算任意一帧图像的亮度值时方法与实施例1中相同,此处不再赘述。
其中,距离数据判断模块214计算连续多帧激光雷达数据中每一帧的部分或全部激光点与激光雷达传感器原点的距离,若连续的多帧激光雷达数据中每一帧计算的距离均为最小距离或者最大距离,则认为所述激光雷达传感器发生故障,且为四级故障,其中最小距离和最大距离的值分别为0和255。其中,在计算任意一帧第i个激光点相对于激光雷达传感器原点的距离时方法与实施例1中相同,此处不再赘述。
其中该装置还包括故障提醒模块24,具体为灯光提醒,检测出传感器发生故障后,通过警示灯灯光闪烁来提醒用户传感器发生故障,故障等级越高警示灯灯光闪烁越高,提醒用户传感器发生故障需要尽快解决。在另一种实施例中故障提醒模块24还可以采用声音提醒,具体可以为蜂鸣器,通过蜂鸣器发出提示音,故障等级越高,蜂鸣器发出声音的频率越高,提示用户传感器发生故障需要尽快解决。
其中,该装置还包括通信模块26,通信模块26用于将数据处理模块21输出的结果发送给远程监控中心,具体的本实施例中通信模块26采用GPRS通信技术,通信模块26接收数据处理模块21输出的传感器故障检测结果,然后从存储模块23中读取当前用户的配置信息,根据配置信息决定是否将检测结果发送给远程监控中心,若根据配置信息决定要发送则进一步从存储模块23中读取远程监控中心的网络通信地址和端口,将检测结果发送给远程监控中心。其中检测结果包括故障代码,故障代码中包括相应的传感器的种类以及故障级别,这样远程监控中心的监控人员可以及时的发现传感器发生故障的车辆,通过后台远程控制或提醒车主及时停车,避免发生安全事故。
其中,该装置还包括显示模块25,该显示模块25包括显示屏,用于显示数据处理模块21的输出结果,即故障代码,该故障代码中包括发生故障的传感器种类和故障等级,用户可以通过显示模块及时获知发生故障的传感器及故障的严重程度,做到及时处理,防止安全事故的发生。
通过本发明的装置可以实现对车辆传感器故障的实时检测与诊断,若检测出传感器发生故障时,通过故障提醒模块24来提醒用户及时处理,并输出发生故障的传感器种类和故障等级,提示驾驶人员及时退出自动驾驶或辅助驾驶,确保车内乘员的安全,还可以将检测结果及时发送给远程监控中心,远程监控人员可以通过远程后台控制发生故障的车辆或及时通知车主,避免了安全事故的发生。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种汽车车载传感器故障自动检测方法,其特征在于,包括:
原始数据校验步骤,读取所述传感器的原始数据流信息,采用预设的原始数据流信息校验方法对所述原始数据流信息进行校验,若校验失败则认为所述传感器发生故障;
帧率比对步骤,根据所述传感器输出的实时数据,计算所述实时数据的帧率;将计算得到的所述帧率与预设的帧率比对,若比对失败则认为所述传感器发生故障。
2.如权利要求1所述检测方法,其特征在于,所述传感器包括图像传感器,所述检测方法还包括:
图像数据判断步骤,在原始数据校验步骤校验成功、且帧率比对步骤比对成功后,计算连续的多帧图像的亮度值,若连续的多帧图像每一帧的亮度值均为最小亮度值或最大亮度值,则认为所述图像传感器发生故障。
3.如权利要求1所述检测方法,其特征在于,所述传感器包括激光雷达传感器,所述检测方法还包括:
距离数据判断步骤,在原始数据校验步骤校验成功、且帧率比对步骤比对成功后,计算连续的多帧激光雷达数据中每一帧的部分或全部激光点与激光雷达传感器原点的距离,若所述连续的多帧激光雷达数据中每一帧计算的距离均为最小距离或者最大距离,则认为所述激光雷达传感器发生故障。
4.如权利要求1所述检测方法,其特征在于,所述帧率比对步骤还包括:
判断所述实时数据的帧率在多个运算周期内是否均为0,若是认为所述传感器发生故障。
5.如权利要求1所述检测方法,其特征在于,还包括:在检测到所述传感器发送故障后,输出相应的故障代码;所述故障代码包括相应的传感器的种类和故障级别。
6.一种汽车车载传感器故障自动检测装置,其特征在于,包括:
原始数据校验模块,用于读取所述传感器的原始数据流信息,采用预设的原始数据流信息校验方法对所述原始数据流信息进行校验,若校验失败则认为所述传感器发生故障;
帧率比对模块,用于根据所述传感器输出的实时数据,计算所述实时数据的帧率;将计算得到的所述帧率与预设的帧率比对,若比对失败则认为所述传感器发生故障。
7.如权利要求6所述的检测装置,其特征在于,所述传感器包括图像传感器,所述检测装置还包括图像数据判断模块,用于在原始数据校验模块校验成功、且帧率比对模块比对成功后,计算连续的多帧图像的亮度值,若连续的多帧图像每一帧的亮度值均为最小亮度值或最大亮度值,则认为所述图像传感器发生故障。
8.如权利要求6所述的检测装置,其特征在于,所述传感器包括激光雷达传感器,所述检测装置还包括:
距离数据判断模块,用于在原始数据校验模块校验成功、且帧率比对模块比对成功后,计算连续的多帧激光雷达数据中每一帧的部分或全部激光点与激光雷达传感器原点的距离,若所述连续的多帧激光雷达数据中每一帧计算的距离均为最小距离或者最大距离,则认为所述激光雷达传感器发生故障。
9.如权利要求6所述的检测装置,其特征在于,所述帧率比对模块还用于判断所述实时数据的帧率在多个运算周期内是否均为0,若是认为所述传感器发生故障。
10.如权利要求6所述的检测装置,其特征在于,还包括故障代码输出模块,用于在检测到所述传感器发送故障后,输出相应的故障代码;所述故障代码包括相应的传感器的种类和故障级别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810845765.3A CN109031251A (zh) | 2018-07-27 | 2018-07-27 | 一种汽车车载传感器故障自动检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810845765.3A CN109031251A (zh) | 2018-07-27 | 2018-07-27 | 一种汽车车载传感器故障自动检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109031251A true CN109031251A (zh) | 2018-12-18 |
Family
ID=64647327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810845765.3A Pending CN109031251A (zh) | 2018-07-27 | 2018-07-27 | 一种汽车车载传感器故障自动检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109031251A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179468A (zh) * | 2019-12-31 | 2020-05-19 | 深圳一清创新科技有限公司 | 无人车故障检测方法、装置、计算机设备和存储介质 |
CN112118991A (zh) * | 2019-08-30 | 2020-12-22 | 深圳市大疆创新科技有限公司 | 一种传感器检测方法及车载控制终端 |
CN112351421A (zh) * | 2020-09-14 | 2021-02-09 | 深圳Tcl新技术有限公司 | 数据传输的控制方法、控制设备以及计算机存储介质 |
CN112509173A (zh) * | 2020-12-08 | 2021-03-16 | 中国第一汽车股份有限公司 | 一种车辆监控方法、装置、设备及存储介质 |
CN113093591A (zh) * | 2021-03-12 | 2021-07-09 | 东风汽车集团股份有限公司 | 高集成度辅助驾驶控制方法、多核微处理器及系统 |
CN113895451A (zh) * | 2021-10-27 | 2022-01-07 | 东风汽车集团股份有限公司 | 一种基于自动驾驶系统的安全冗余与故障诊断系统及方法 |
CN114485725A (zh) * | 2021-12-22 | 2022-05-13 | 深圳元戎启行科技有限公司 | 数据异常检测方法、自动驾驶平台以及计算机可读存储介质 |
CN115212586A (zh) * | 2022-04-29 | 2022-10-21 | 长城汽车股份有限公司 | 汽车模型及车模交互系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5748505A (en) * | 1996-02-06 | 1998-05-05 | Perceptron, Inc. | Method and apparatus for calibrating a noncontact gauging sensor with respect to an external coordinate system |
JPH11125584A (ja) * | 1997-10-23 | 1999-05-11 | Fuji Heavy Ind Ltd | 車両走行用データ記録解析装置 |
CN1677376A (zh) * | 2005-05-10 | 2005-10-05 | 北京中星微电子有限公司 | 一种数据发生装置、数据接收装置以及图像数据处理装置 |
CN1787028A (zh) * | 2005-09-09 | 2006-06-14 | 中国科学院自动化研究所 | 汽车故障自动检测系统及方法 |
US20070067079A1 (en) * | 2005-09-20 | 2007-03-22 | Akira Suzuki | Automobile drive recorder |
JP2009267679A (ja) * | 2008-04-24 | 2009-11-12 | Mitsubishi Electric Building Techno Service Co Ltd | 車両監視システム |
CN101625570A (zh) * | 2009-08-12 | 2010-01-13 | 北京协进科技发展有限公司 | 故障诊断服务器、车辆故障检测与诊断方法、装置及系统 |
CN102331760A (zh) * | 2011-07-15 | 2012-01-25 | 深圳市路畅科技有限公司 | 一种车辆故障远程实时诊断方法及系统 |
CN103048992A (zh) * | 2013-01-16 | 2013-04-17 | 张燕 | 汽车故障远程监控和云端诊断方法及系统 |
CN103280108A (zh) * | 2013-05-20 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于视觉感知和车联网的客车安全预警系统 |
CN105067017A (zh) * | 2015-06-02 | 2015-11-18 | 哈尔滨工程大学 | 一种改进的生成载波相位pgc解调方法 |
CN106114515A (zh) * | 2016-06-29 | 2016-11-16 | 北京奇虎科技有限公司 | 汽车驾驶行为提醒方法及系统 |
CN106878703A (zh) * | 2017-03-14 | 2017-06-20 | 珠海全志科技股份有限公司 | 一种行车记录仪录像检测方法 |
CN106864462A (zh) * | 2015-12-09 | 2017-06-20 | 现代自动车株式会社 | 用于高级驾驶辅助系统用传感器的故障诊断和校准的装置和方法 |
CN107272637A (zh) * | 2017-06-06 | 2017-10-20 | 武汉瑞科兴业科技有限公司 | 一种视频监控系统故障自检自恢复控制系统及方法 |
CN107454322A (zh) * | 2017-07-31 | 2017-12-08 | 广东欧珀移动通信有限公司 | 拍照方法、装置、计算机可存储介质和移动终端 |
-
2018
- 2018-07-27 CN CN201810845765.3A patent/CN109031251A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5748505A (en) * | 1996-02-06 | 1998-05-05 | Perceptron, Inc. | Method and apparatus for calibrating a noncontact gauging sensor with respect to an external coordinate system |
JPH11125584A (ja) * | 1997-10-23 | 1999-05-11 | Fuji Heavy Ind Ltd | 車両走行用データ記録解析装置 |
CN1677376A (zh) * | 2005-05-10 | 2005-10-05 | 北京中星微电子有限公司 | 一种数据发生装置、数据接收装置以及图像数据处理装置 |
CN1787028A (zh) * | 2005-09-09 | 2006-06-14 | 中国科学院自动化研究所 | 汽车故障自动检测系统及方法 |
US20070067079A1 (en) * | 2005-09-20 | 2007-03-22 | Akira Suzuki | Automobile drive recorder |
JP2009267679A (ja) * | 2008-04-24 | 2009-11-12 | Mitsubishi Electric Building Techno Service Co Ltd | 車両監視システム |
CN101625570A (zh) * | 2009-08-12 | 2010-01-13 | 北京协进科技发展有限公司 | 故障诊断服务器、车辆故障检测与诊断方法、装置及系统 |
CN102331760A (zh) * | 2011-07-15 | 2012-01-25 | 深圳市路畅科技有限公司 | 一种车辆故障远程实时诊断方法及系统 |
CN103048992A (zh) * | 2013-01-16 | 2013-04-17 | 张燕 | 汽车故障远程监控和云端诊断方法及系统 |
CN103280108A (zh) * | 2013-05-20 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于视觉感知和车联网的客车安全预警系统 |
CN105067017A (zh) * | 2015-06-02 | 2015-11-18 | 哈尔滨工程大学 | 一种改进的生成载波相位pgc解调方法 |
CN106864462A (zh) * | 2015-12-09 | 2017-06-20 | 现代自动车株式会社 | 用于高级驾驶辅助系统用传感器的故障诊断和校准的装置和方法 |
CN106114515A (zh) * | 2016-06-29 | 2016-11-16 | 北京奇虎科技有限公司 | 汽车驾驶行为提醒方法及系统 |
CN106878703A (zh) * | 2017-03-14 | 2017-06-20 | 珠海全志科技股份有限公司 | 一种行车记录仪录像检测方法 |
CN107272637A (zh) * | 2017-06-06 | 2017-10-20 | 武汉瑞科兴业科技有限公司 | 一种视频监控系统故障自检自恢复控制系统及方法 |
CN107454322A (zh) * | 2017-07-31 | 2017-12-08 | 广东欧珀移动通信有限公司 | 拍照方法、装置、计算机可存储介质和移动终端 |
Non-Patent Citations (4)
Title |
---|
石建伟: "动车组故障轨边图像自动检测系统的设计与实现", 《铁道车辆》 * |
郝琳等: "《传感器与应用技术》", 30 June 2017, 华中科技大学出版社 * |
韩旭东等: "《最新奥迪汽车维修实例》", 31 May 2015, 辽宁科学技术出版社 * |
高华等: "公路隧道内故障停车的自动检测报警系统研究", 《交通与计算机》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112118991A (zh) * | 2019-08-30 | 2020-12-22 | 深圳市大疆创新科技有限公司 | 一种传感器检测方法及车载控制终端 |
WO2021035701A1 (zh) * | 2019-08-30 | 2021-03-04 | 深圳市大疆创新科技有限公司 | 一种传感器检测方法及车载控制终端 |
CN112118991B (zh) * | 2019-08-30 | 2024-08-09 | 深圳市卓驭科技有限公司 | 一种传感器检测方法及车载控制终端 |
CN111179468A (zh) * | 2019-12-31 | 2020-05-19 | 深圳一清创新科技有限公司 | 无人车故障检测方法、装置、计算机设备和存储介质 |
CN112351421A (zh) * | 2020-09-14 | 2021-02-09 | 深圳Tcl新技术有限公司 | 数据传输的控制方法、控制设备以及计算机存储介质 |
CN112351421B (zh) * | 2020-09-14 | 2024-02-06 | 深圳Tcl新技术有限公司 | 数据传输的控制方法、控制设备以及计算机存储介质 |
CN112509173B (zh) * | 2020-12-08 | 2023-03-03 | 中国第一汽车股份有限公司 | 一种车辆监控方法、装置、设备及存储介质 |
CN112509173A (zh) * | 2020-12-08 | 2021-03-16 | 中国第一汽车股份有限公司 | 一种车辆监控方法、装置、设备及存储介质 |
CN113093591A (zh) * | 2021-03-12 | 2021-07-09 | 东风汽车集团股份有限公司 | 高集成度辅助驾驶控制方法、多核微处理器及系统 |
CN113895451A (zh) * | 2021-10-27 | 2022-01-07 | 东风汽车集团股份有限公司 | 一种基于自动驾驶系统的安全冗余与故障诊断系统及方法 |
CN114485725A (zh) * | 2021-12-22 | 2022-05-13 | 深圳元戎启行科技有限公司 | 数据异常检测方法、自动驾驶平台以及计算机可读存储介质 |
CN114485725B (zh) * | 2021-12-22 | 2024-05-24 | 深圳元戎启行科技有限公司 | 数据异常检测方法、自动驾驶平台以及计算机可读存储介质 |
CN115212586A (zh) * | 2022-04-29 | 2022-10-21 | 长城汽车股份有限公司 | 汽车模型及车模交互系统 |
CN115212586B (zh) * | 2022-04-29 | 2024-01-02 | 长城汽车股份有限公司 | 汽车模型及车模交互系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109031251A (zh) | 一种汽车车载传感器故障自动检测方法及装置 | |
CN106274483A (zh) | 基于分心驾驶行为判别的车辆自动驾驶切换装置及方法 | |
CN105976450A (zh) | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 | |
US20070260375A1 (en) | Real-time vehicle management and monitoring system | |
CN110525400A (zh) | 汽车防撞系统智能控制器 | |
KR102037459B1 (ko) | 시뮬레이터를 이용한 차량 검사 시스템 | |
CN112590985B (zh) | 一种检测助力车故障的方法及系统 | |
CN115465293B (zh) | 一种多传感器安全自认知及安全处理装置及方法 | |
CN110901695A (zh) | 列车平稳性检测系统及方法 | |
CN110136295A (zh) | 用于检测自动驾驶的可信度的系统和方法 | |
CN112061028B (zh) | 一种用于观光车辆的监测预警装置 | |
CN109541243A (zh) | 一种基于汽车方向盘的酒驾自动检测系统及其方法 | |
CN111800508B (zh) | 基于大数据的自动驾驶故障监测方法 | |
CN114074577A (zh) | 一种新能源车电池包磕底检测方法和装置 | |
CN111800314B (zh) | 自动驾驶故障监测系统 | |
CN211642196U (zh) | 列车平稳性检测系统 | |
CN106530822B (zh) | 一种车辆监测方法及系统 | |
CN108460355A (zh) | 驾驶员状态及行为检测系统及方法 | |
CN108445472A (zh) | 一种超声波传感器无法正常探测障碍物的故障检测方法 | |
CN113450567A (zh) | 一种人工智能预警系统 | |
CN113327409A (zh) | 一种基于智能识别监测的驾驶行为分析系统 | |
CN113246975A (zh) | 一种汽车礼让行人智能辅助控制方法 | |
TWI694020B (zh) | 智慧型駕駛管理系統及方法 | |
CN218519629U (zh) | 一种带obd功能的智能座舱 | |
US20230315433A1 (en) | Computer-Implemented System and Method for Monitoring the Functionality of an Automated Driving Function |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |
|
RJ01 | Rejection of invention patent application after publication |