CN109857002B - 数据采集方法、装置、设备及计算机可读存储介质 - Google Patents

数据采集方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN109857002B
CN109857002B CN201910036974.8A CN201910036974A CN109857002B CN 109857002 B CN109857002 B CN 109857002B CN 201910036974 A CN201910036974 A CN 201910036974A CN 109857002 B CN109857002 B CN 109857002B
Authority
CN
China
Prior art keywords
data
driving
vehicle
preset
sampling frequency
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
Application number
CN201910036974.8A
Other languages
English (en)
Other versions
CN109857002A (zh
Inventor
于宁
杨凡
王成法
李盖凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910036974.8A priority Critical patent/CN109857002B/zh
Priority to CN202110712762.4A priority patent/CN113377033B/zh
Publication of CN109857002A publication Critical patent/CN109857002A/zh
Priority to JP2020570040A priority patent/JP7291159B2/ja
Priority to PCT/CN2019/125955 priority patent/WO2020147482A1/zh
Priority to EP19910218.7A priority patent/EP3792882A4/en
Priority to US17/251,168 priority patent/US11548516B2/en
Application granted granted Critical
Publication of CN109857002B publication Critical patent/CN109857002B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L12/40006—Architecture of a communication node
    • H04L12/40013—Details regarding a bus controller
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/107—Longitudinal acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/05—Big data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/30—Data update rate
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L2012/40267—Bus for use in transportation systems
    • H04L2012/40273—Bus for use in transportation systems the transportation system being a vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)

Abstract

本发明提供一种数据采集方法、装置、设备及计算机可读存储介质。本发明实施例基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件；若满足预设稳定行驶条件，以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据，可以降低相似场景、相似驾驶模式下的数据冗余，减少了数据量，从而可以降低对存储资源和传输资源的占用，便于后续分析，实现了对驾驶场景数据和驾驶行为数据的分场景、分模式的动态采集。

Description

数据采集方法、装置、设备及计算机可读存储介质
【技术领域】
本发明涉及数据处理技术，尤其涉及一种数据采集方法、装置、设备及计算机可读存储介质。
【背景技术】
真实的驾驶场景数据以及在各种驾驶场景下司机的驾驶行为数据，在道路工况构建、驾驶场景重构、驾驶人模型构建、驾驶行为分析与学习、车辆动力学建模与仿真等方面都有非常重要的意义，实际研究中需要借助于各种驾驶场景下的驾驶场景数据和司机的驾驶行为数据。
然而，真实的驾驶场景数据以及在各种驾驶场景下的司机的驾驶行为数据不易采集和分析。一方面，由于真实的驾驶场景多且复杂，需要众多司机、众多车辆长时间采集；另一方面，在固定线路、相似驾驶场景、相似驾驶模式下驾驶场景数据和司机的驾驶行为数据的相似性很高，由于驾驶场景数据以及司机的驾驶行为数据的数据量非常庞大，冗余数据较多，后续需要消耗大量的存储资源、传输资源、且不易分析。
【发明内容】
本发明的多个方面提供一种数据采集方法、装置、设备及计算机可读存储介质，用以降低驾驶场景数据以及驾驶行为数据的数据冗余。
本发明的一方面，提供一种数据采集方法，包括：
基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件；
若满足预设稳定行驶条件，以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：
若不满足预设稳定行驶条件，以预设采样频率采集驾驶场景数据和驾驶行为数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述满足预设稳定行驶条件，包括：
所述车辆的当前行驶速度不大于第一预设阈值，所述车辆沿行驶方向的加速度的大小不大于第二预设阈值，所述车辆的横向加速度的大小不大于第三预设阈值，所述车辆的角速度的大小不大于第四预设阈值，所述车辆未发生起步和停车事件；和/或，所述车辆当前所在的位置不在特定路况的预设范围内。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述特定路况包括以下任意一项或多项：路口、闸道口、隧道口、行车道数量变化点、交通事故点、桥梁、预设需要停车或者减速地点。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述以所述预设采样频率的频率采集驾驶场景数据和驾驶行为数据，包括：
以第一采样频率采集驾驶场景数据，以第二采样频率采集驾驶行为数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述以第一采样频率采集驾驶场景数据，以第二采样频率采集驾驶行为数据，包括：
在预设时长范围内，以第一采样频率采集驾驶场景数据，以第二采样频率采集驾驶行为数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据，包括：
以第三采样频率采集驾驶场景数据，以第四采样频率采集驾驶行为数据；其中，所述第三采样频率小于所述第一采样频率，所述第四采样频率小于所述第二采样频率。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据之前，还包括：
利用传感器采集所述驾驶场景数据，从所述车辆的控制器局域网络CAN总线获取所述驾驶行为数据；其中，所述驾驶场景数据包括：所述车辆周围环境的图像数据、所述车辆的位置数据和车辆姿态数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述利用传感器采集所述驾驶场景数据，包括：
利用摄像头采集所述车辆周围环境的图像数据，利用定位模块采集所述车辆的位置数据，利用惯性测量单元采集所述车辆的车辆姿态数据；其中，所述车辆姿态数据包括：所述车辆在三维坐标系中三个坐标轴方向的加速度和角速度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件，包括：
按照第一预设周期，基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述采集驾驶场景数据和驾驶行为数据之后，还包括：
将采集到的所述驾驶场景数据和所述驾驶行为数据存储在本地存储设备中；和/或，
对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第一传输频率传输到云端服务器；和/或，对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第二传输频率传输到云端服务器；和/或，
对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第三传输频率传输到云端服务器；和/或，对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第四传输频率传输到云端服务器。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：
基于采集到的驾驶场景数据和驾驶行为数据进行道路工况构建、和/或驾驶场景重构、和/或驾驶行为分析与学习。
本发明的另一方面，提供一种数据采集装置，包括：
第一采集单元，用于采集车辆所在驾驶场景的驾驶场景数据；
第二采集单元，用于采集所述车辆上的驾驶行为数据；
确定单元，用于基于所述第一采集单元采集到的车辆当前所在驾驶场景的驾驶场景数据和所述第二采集单元采集到的驾驶行为数据，确定是否满足预设稳定行驶条件；若满足预设稳定行驶条件，指示所述第一采集单元和所述第二采集单元以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述确定单元，还用于若不满足预设稳定行驶条件，指示所述第一采集单元和所述第二采集单元以预设采样频率采集驾驶场景数据和驾驶行为数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述满足预设稳定行驶条件，包括：
所述车辆的当前行驶速度不大于第一预设阈值，所述车辆沿行驶方向的加速度的大小不大于第二预设阈值，所述车辆的横向加速度的大小不大于第三预设阈值，所述车辆的角速度的大小不大于第四预设阈值，所述车辆未发生起步和停车事件；和/或，所述车辆当前所在的位置不在特定路况的预设范围内。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述特定路况包括以下任意一项或多项：路口、闸道口、隧道口、行车道数量变化点、交通事故点、桥梁、预设需要停车或者减速地点。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一采集单元，具体用于若不满足预设稳定行驶条件，以第一采样频率采集驾驶场景数据；
所述第二采集单元，具体用于若不满足预设稳定行驶条件，以第二采样频率采集驾驶行为数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所所述第一采集单元，具体用于若不满足预设稳定行驶条件，在预设时长范围内，以第一采样频率采集驾驶场景数据；
所述第二采集单元，具体用于若不满足预设稳定行驶条件，在预设时长范围内，以第二采样频率采集驾驶行为数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一采集单元，具体用于若满足预设稳定行驶条件，以第三采样频率采集驾驶场景数据；其中，所述第三采样频率小于所述第一采样频率；
所述第二采集单元，具体用于若满足预设稳定行驶条件，以第四采样频率采集驾驶行为数据；其中，所述第四采样频率小于所述第二采样频率。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一采集单元包括传感器；其中，所述驾驶场景数据包括：所述车辆周围环境的图像数据、所述车辆的位置数据和车辆姿态数据；
所述第二采集单元，具体用于从所述车辆的控制器局域网络CAN总线获取所述驾驶行为数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一采集单元包括：
摄像头，用于采集所述车辆周围环境的图像数据；
定位模块，用于采集所述车辆的位置数据；
惯性测量单元，用于采集所述车辆的车辆姿态数据；其中，所述车辆姿态数据包括：所述车辆在三维坐标系中三个坐标轴方向的加速度和角速度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述确定单元，具体用于按照第一预设周期，基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：
存储设备，用于存储采集到的所述驾驶场景数据和所述驾驶行为数据；和/或，
传输处理单元，用于对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第一传输频率传输到云端服务器；和/或，对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第二传输频率传输到云端服务器；和/或，对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第三传输频率传输到云端服务器；和/或，对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第四传输频率传输到云端服务器。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：
应用单元，用于基于采集到的驾驶场景数据和驾驶行为数据进行道路工况构建、和/或驾驶场景重构、和/或驾驶行为分析与学习。
本发明的又一方面，提供一种车辆，包括如上述一方面所提供的数据采集装置。
本发明的再一方面，提供一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述一方面所提供的数据采集方法。
本发明的再一方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述一方面所提供的数据采集方法。
由上述技术方案可知，本发明实施例基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件；若满足预设稳定行驶条件，以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据，从而可以降低相似场景、相似驾驶模式下的数据冗余，减少了数据量，从而可以降低对存储资源和传输资源的占用，便于后续分析。
另外，采用本发明所提供的技术方案，若不满足预设稳定行驶条件，以预设采样频率采集驾驶场景数据和驾驶行为数据，可以满足道路工况构建、驾驶场景重构、驾驶人模型构建、驾驶行为分析与学习、车辆动力学建模与仿真等应用对驾驶场景数据和驾驶行为数据的需求。
另外，采用本发明所提供的技术方案，实现了对驾驶场景数据和驾驶行为数据的分场景、分模式的动态采集，实现了数据采集的灵活性和便利性。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的数据采集方法的流程示意图；
图2为本发明另一实施例提供的数据采集方法的流程示意图；
图3为本发明一实施例提供的数据采集装置的结构示意图；
图4为本发明另一实施例提供的数据采集装置的结构示意图；
图5为适于用来实现本发明实施方式的示例性计算机系统/服务器的框图。
【具体实施方式】
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本发明保护的范围。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本发明的主要思想是基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定当前的驾驶场景，根据驾驶场景采用不同的采用频率对驾驶场景数据和驾驶行为数据进行采集。
图1为本发明一实施例提供的数据采集方法的流程示意图，如图1所示。
101、基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件。
102、若满足预设稳定行驶条件，以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据。其中，预设采样频率可以是预先设置的、可以满足各种驾驶场景和驾驶行为模式下对驾驶场景数据和驾驶行为数据采集需求的频率，该预设采样频率的数值大小可以根据经验值设置，也可以根据实际需求统一调整。
需要说明的是，101～102的执行主体的部分或全部可以为车辆中耦合设置的设备或者应用，或者还可以为车辆外接的设备或者应用，或者还可以为单独的设备或者应用。本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端上的本地程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行特别限定。
这样，基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件；若满足预设稳定行驶条件，以低于正常预设采样频率的频率采集驾驶场景数据和驾驶行为数据，从而可以降低相似场景、相似驾驶模式下的数据冗余，减少了数据量，从而可以降低对存储资源和传输资源的占用，便于后续分析。
可选地，在本实施例的一个可能的实现方式中，在101中，满足预设稳定行驶条件，可以包括但不限于：车辆的当前行驶速度不大于第一预设阈值(例如70KM/h)，车辆沿行驶方向的加速度的大小不大于第二预设阈值(例如4m/s2)，车辆的横向加速度的大小不大于第三预设阈值(例如5m/s2)，车辆的角速度的大小不大于第四预设阈值(例如45°/s)，车辆未发生起步和停车事件；和/或，车辆当前所在的位置不在特定路况的预设范围内(例如，车辆当前所在的位置不在特定路况的周围50m范围内)。
其中，上述特定路况可以包括但不限于以下任意一项或多项：路口、闸道口、隧道口、行车道数量变化点、交通事故点、桥梁、预设需要停车或者减速地点。
其中，车辆沿行驶方向的加速度的大小大于第二预设阈值，例如车辆沿行驶方向的加速度大于4m/s2时，说明车辆发生了急加速动作，车辆沿行驶方向的加速度小于-4m/s2时，说明车辆发生了急减速动作。车辆的横向加速度的大小大于第三预设阈值且持续时间达到预设时长(例如500ms)，例如车辆的三维坐标系O-XYZ中x坐标轴的方向沿着车辆宽度方向时，车辆的横向加速度大于5m/s2说明车辆发生了左变道动作，车辆的横向加速度小于-4m/s2说明车辆发生了右变道动作。车辆的角速度的大小大于第四预设阈值，例如假设逆时针方向为正方形，车辆的角速度大于45°/s说明车辆发生了左急转弯动作，车辆的横向加速度小于-50°/s说明车辆发生了右急转弯动作。
满足上述预设稳定行驶条件时，可以确定车辆以较低车速稳定行驶在平直道路、车速没有明显波动、驾驶场景简单，便可以以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据，从而可以降低相似场景、相似驾驶模式下的数据冗余，减少了数据量，从而可以降低对存储资源和传输资源的占用，便于后续分析。
否则，若不满足上述预设稳定行驶条件中的任意一项，说明车辆行驶状态不稳定，例如发生了车辆起步、车辆停车、车辆过弯道、车辆过路口、车辆急加速、车辆急减速、车辆急转弯、车辆变道等情况，为了完整记录特定路况、驾驶模式下的数据，以预设采样频率采集驾驶场景数据和驾驶行为数据，可以满足道路工况构建、驾驶场景重构、驾驶人模型构建、驾驶行为分析与学习、车辆动力学建模与仿真等应用对驾驶场景数据和驾驶行为数据的需求。
可选地，如图2所示，在本发明另一实施例提供的数据采集方法中，还可以包括：103、若不满足预设稳定行驶条件，以所述预设采样频率采集驾驶场景数据和驾驶行为数据。
需要说明的是，103的执行主体可以为车辆中耦合设置的设备或者应用，或者还可以为车辆外接的设备或者应用，或者还可以为单独的设备或者应用。本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端上的本地程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行特别限定。
本实施例中，若不满足预设稳定行驶条件，以正常的预设采样频率采集驾驶场景数据和驾驶行为数据，可以满足道路工况构建、驾驶场景重构、驾驶人模型构建、驾驶行为分析与学习、车辆动力学建模与仿真等应用对驾驶场景数据和驾驶行为数据的需求。
可选地，在本实施例的一个可能的实现方式中，在103中，以预设采样频率采集驾驶场景数据和驾驶行为数据时，具体可以以第一采样频率采集驾驶场景数据，以第二采样频率采集驾驶行为数据。其中，第一采样频率大于第一采样频率，第二采样频率大于第二采样频率。第一采样频率和第二采样频率的大小可以相同，也可以不同。
可选地，在本实施例的一个可能的实现方式中，以第一采样频率采集驾驶场景数据，以第二采样频率采集驾驶行为数据时，可以在预设时长范围内，例如，可以在10s内，以第一采样频率采集驾驶场景数据，以第二采样频率采集驾驶行为数据。
这样，可以在车辆行驶状态不稳定时，在预设时长范围内持续以高采样频率采集驾驶场景数据和驾驶行为数据，以实现对特定路况或者驾驶行为数据的完整采集。
可选地，在本实施例的一个可能的实现方式中，在102中，以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据时，具体可以以第三采样频率采集驾驶场景数据，以第四采样频率采集驾驶行为数据。其中，第三采样频率小于第一采样频率，第四采样频率小于第二采样频率。第三采样频率和第四采样频率的大小可以相同，也可以不同。
可选地，在本实施例的一个可能的实现方式中，在101之前，还可以利用传感器采集驾驶场景数据，从车辆的控制器局域网络(Controller Area Network，CAN)总线获取驾驶行为数据，例如，通过CAN总线从车辆的控制系统，例如VCU或者ECU获取驾驶行为数据。其中的驾驶场景数据包括：车辆周围环境的图像数据、车辆的位置数据和车辆姿态数据。其中的驾驶行为数据可以包括但不限于：包括：档位、驾驶模式(自动驾驶或者人工驾驶)、刹车踏板开度、车速、加速度、转向灯状态、电池电量、方向盘转角、油门开度等。
其中，所述利用传感器采集驾驶场景数据，可以包括：利用摄像头采集车辆周围环境的图像数据，利用定位模块采集车辆的位置数据，利用惯性测量单元(InertialMeasurement Unit，IMU)采集车辆的车辆姿态数据。其中，车辆姿态数据包括：车辆在三维坐标系中三个坐标轴方向的加速度和角速度。其中的定位模块例如全球定位系统(GlobalPosition System，GPS)，其中的摄像头可以包括部署于车辆周围的多个长焦相机和/或短焦相机。
其中，车辆的三维坐标系O-XYZ中三个坐标轴的方向可以分别是，沿着车辆宽度、长度、高度方向，或者也可以是按照其他方式设置的三个方向。本实施例对此不进行特别限定。
其中，摄像头、定位模块和惯性测量单元三者可以以相同或不同的采用频率进行数据采集。例如，在满足预设稳定行驶条件时，定位模块和惯性测量单元可以以一个预设第三采样频率采集位置数据和车辆姿态数据，摄像头可以以一个较低的第三采样频率(低于上述预设第三采样频率)采集图像数据，；在不满足预设稳定行驶条件时，定位模块和惯性测量单元可以以一个预设第一采样频率采集位置数据和车辆姿态数据，摄像头可以以一个较低的第一采样频率(低于上述预设第一采样频率)采集图像数据。
其中，车辆的当前行驶速度可以从CAN总线获取，也可以通过位置数据获得；车辆的加速度可以从车辆姿态数据获得，车辆的角速度可以通过位置数据和车辆姿态数据获得；车辆是否发生起步和停车事件可以从CAN总线获取；车辆当前所在的位置是否位于特定路况的预设范围内可以通过位置位数和预设设置的地图数据获得。
这样，可以基于采集到的车辆驾驶环境的图像数据、位置数据、车辆姿态数据等确定车辆当前的驾驶场景，例如车辆在平直路上匀速行驶，那么可以低采样频率采集数据，再如在弯曲的山路或桥梁上行驶，那么则可以高采样频率采集数据等，实现对驾驶场景数据和驾驶行为数据的分场景、分模式的动态采集，实现了数据采集的灵活性和便利性。
可选地，在本实施例的一个可能的实现方式中，101中，可以按照第一预设周期(例如0.5s)，基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件。
这样，实现了对车辆是否预设稳定行驶条件的周期性判断，以及时调整对驾驶场景数据和驾驶行为数据的分场景、分模式的动态采集。
可选地，在本实施例的一个可能的实现方式中，102和/或103之后，还可以将采集到的驾驶场景数据和驾驶行为数据存储在本地存储设备中。其中的本地存储设备例如U盘、大容量SD卡、磁盘等。
可选地，在本实施例的一个可能的实现方式中，102之后，还可以对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第一传输频率传输到云端服务器；和/或，对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第二传输频率传输到云端服务器。
可选地，在本实施例的一个可能的实现方式中，103之后，对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第三传输频率传输到云端服务器；和/或，对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第四传输频率传输到云端服务器。
这样，既可以将采集到的驾驶场景数据和驾驶行为数据中的全部或部分存储到本地存储设备中，也可以将采集到的驾驶场景数据和驾驶行为数据中的全部或部分及时上传到云端服务器，以便后续应用。
例如，可以将驾驶行为数据、位置数据、车辆姿态数据上传到云端服务器；由于图像数据的数据量比较大，可以将图像数据存储在本地存储设备，可以定期(如一个月)将存储的图像数据转存到云端服务器。
可选地，在本实施例的一个可能的实现方式中，102和/或103之后，还可以基于采集到的驾驶场景数据和驾驶行为数据进行道路工况构建、和/或驾驶场景重构、和/或驾驶行为分析与学习。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
图3为本发明一实施例提供的数据采集装置的结构示意图。如图3所示，本实施例的数据采集装置可以包括第一采集单元21、第二采集单元22和确定单元23。其中，第一采集单元21，用于采集车辆所在驾驶场景的驾驶场景数据；第二采集单元22，用于采集车辆上的驾驶行为数据；确定单元23，用于基于第一采集单元21采集到的车辆当前所在驾驶场景的驾驶场景数据和第二采集单元22采集到的驾驶行为数据，确定是否满足预设稳定行驶条件；若满足预设稳定行驶条件，指示第一采集单元21和第二采集单元22以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据。
需要说明的是，本实施例所提供的数据采集装置的部分或全部可以为车辆中耦合设置的设备或者应用，或者还可以为车辆外接的设备或者应用，或者还可以为单独的设备或者应用。本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端上的本地程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行特别限定。
这样，基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件；若满足预设稳定行驶条件，以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据，从而可以降低相似场景、相似驾驶模式下的数据冗余，减少了数据量，从而可以降低对存储资源和传输资源的占用，便于后续分析。
可选地，在本实施例的一个可能的实现方式中，确定单元23还可用于若不满足预设稳定行驶条件，指示第一采集单元21和第二采集单元22以预设采样频率采集驾驶场景数据和驾驶行为数据。
这样，若不满足预设稳定行驶条件，以预设采样频率采集驾驶场景数据和驾驶行为数据，可以满足道路工况构建、驾驶场景重构、驾驶人模型构建、驾驶行为分析与学习、车辆动力学建模与仿真等应用对驾驶场景数据和驾驶行为数据的需求。
可选地，在本实施例的一个可能的实现方式中，所述满足预设稳定行驶条件，可以包括但不限于：可以包括但不限于：车辆的当前行驶速度不大于第一预设阈值(例如70KM/h)，车辆沿行驶方向的加速度的大小不大于第二预设阈值(例如4m/s2)，车辆的横向加速度的大小不大于第三预设阈值(例如5m/s2)，车辆的角速度的大小不大于第四预设阈值(例如45°/s)，车辆未发生起步和停车事件；和/或，车辆当前所在的位置不在特定路况的预设范围内(例如，车辆当前所在的位置不在特定路况的周围50m范围内)。
其中，上述特定路况可以包括但不限于以下任意一项或多项：路口、闸道口、隧道口、行车道数量变化点、交通事故点、桥梁、预设需要停车或者减速地点。
其中，车辆沿行驶方向的加速度的大小大于第二预设阈值，例如车辆沿行驶方向的加速度大于4m/s2时，说明车辆发生了急加速动作，车辆沿行驶方向的加速度小于-4m/s2时，说明车辆发生了急减速动作。车辆的横向加速度的大小大于第三预设阈值且持续时间达到预设时长(例如500ms)，例如车辆的三维坐标系O-XYZ中x坐标轴的方向沿着车辆宽度方向时，车辆的横向加速度大于5m/s2说明车辆发生了左变道动作，车辆的横向加速度小于-4m/s2说明车辆发生了右变道动作。车辆的角速度的大小大于第四预设阈值，例如假设逆时针方向为正方形，车辆的角速度大于45°/s说明车辆发生了左急转弯动作，车辆的横向加速度小于-50°/s说明车辆发生了右急转弯动作。
满足上述预设稳定行驶条件时，可以确定车辆以较低车速稳定行驶在平直道路、车速没有明显波动、驾驶场景简单，便可以以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据，从而可以降低相似场景、相似驾驶模式下的数据冗余，减少了数据量，从而可以降低对存储资源和传输资源的占用，便于后续分析。
否则，若不满足上述预设稳定行驶条件中的任意一项，说明车辆行驶状态不稳定，例如发生了车辆起步、车辆停车、车辆过弯道、车辆过路口、车辆急加速、车辆急减速、车辆急转弯、车辆变道等情况，为了完整记录特定路况、驾驶模式下的数据，以预设采样频率采集驾驶场景数据和驾驶行为数据，可以满足道路工况构建、驾驶场景重构、驾驶人模型构建、驾驶行为分析与学习、车辆动力学建模与仿真等应用对驾驶场景数据和驾驶行为数据的需求。
可选地，在本实施例的一个可能的实现方式中，第一采集单元21，具体用于若不满足预设稳定行驶条件，以第一采样频率采集驾驶场景数据；第二采集单元22，具体用于若不满足预设稳定行驶条件，以第二采样频率采集驾驶行为数据。其中，第一采样频率和第二采样频率的大小可以相同，也可以不同。
可选地，在本实施例的一个可能的实现方式中，第一采集单元21，具体用于若不满足预设稳定行驶条件，在预设时长范围内，例如，可以在10s内，以第一采样频率采集驾驶场景数据；第二采集单元22，具体用于若不满足预设稳定行驶条件，在预设时长范围内，以第二采样频率采集驾驶行为数据。
这样，可以在车辆行驶状态不稳定时，在预设时长范围内持续以高采样频率采集驾驶场景数据和驾驶行为数据，以实现对特定路况或者驾驶行为数据的完整采集。
可选地，在本实施例的一个可能的实现方式中，第一采集单元21，具体用于若满足预设稳定行驶条件，以第三采样频率采集驾驶场景数据；其中，第一采样频率小于第一采样频率；第二采集单元22，具体用于若满足预设稳定行驶条件，以第四采样频率采集驾驶行为数据；其中，第四采样频率小于第二采样频率。第三采样频率和第四采样频率的大小可以相同，也可以不同。
可选地，在本实施例的一个可能的实现方式中，第一采集单元21可以包括传感器。其中，驾驶场景数据可以包括：车辆周围环境的图像数据、车辆的位置数据和车辆姿态数据；第二采集单元22，具体用于从车辆的CAN总线获取驾驶行为数据，例如，通过CAN总线从车辆的控制系统，例如VCU或者ECU获取驾驶行为数据。其中的驾驶行为数据可以包括但不限于：包括：档位、驾驶模式(自动驾驶或者人工驾驶)、刹车踏板开度、车速、加速度、转向灯状态、电池电量、方向盘转角、油门开度等。
可选地，在本实施例的一个可能的实现方式中，第一采集单元21可以包括：摄像头，用于采集车辆周围环境的图像数据，该摄像头可以包括部署于车辆周围的多个长焦相机和/或短焦相机；定位模块，例如全球定位系统(Global Position System，GPS)，用于采集车辆的位置数据；惯性测量单元，用于采集车辆的车辆姿态数据。其中，所述车辆姿态数据包括：所述车辆在三维坐标系中三个坐标轴方向的加速度和角速度。其中，摄像头、定位模块和惯性测量单元三者可以以相同或不同的采用频率进行数据采集。例如，在满足预设稳定行驶条件时，定位模块和惯性测量单元可以以一个预设第三采样频率采集位置数据和车辆姿态数据，摄像头可以以一个较低的第三采样频率(低于上述预设第三采样频率)采集图像数据，；在不满足预设稳定行驶条件时，定位模块和惯性测量单元可以以一个预设第一采样频率采集位置数据和车辆姿态数据，摄像头可以以一个较低的第一采样频率(低于上述预设第一采样频率)采集图像数据。
其中，车辆的三维坐标系O-XYZ中三个坐标轴的方向可以分别是，沿着车辆宽度、长度、高度方向，或者也可以是按照其他方式设置的三个方向。本实施例对此不进行特别限定。
其中，车辆的当前行驶速度可以从CAN总线获取，也可以通过位置数据获得；车辆的加速度可以从车辆姿态数据获得，车辆的角速度可以通过位置数据和车辆姿态数据获得；车辆是否发生起步和停车事件可以从CAN总线获取；车辆当前所在的位置是否位于特定路况的预设范围内可以通过位置位数和预设设置的地图数据获得。
这样，可以基于采集到的车辆驾驶环境的图像数据、位置数据、车辆姿态数据等确定车辆当前的驾驶场景，例如车辆在平直路上匀速行驶，那么可以低采样频率采集数据，再如在弯曲的山路或桥梁上行驶，那么则可以高采样频率采集数据等，实现对驾驶场景数据和驾驶行为数据的分场景、分模式的动态采集，实现了数据采集的灵活性和便利性。
可选地，在本实施例的一个可能的实现方式中，确定单元23，具体用于按照第一预设周期，基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件。
这样，实现了对车辆是否预设稳定行驶条件的周期性判断，以及时调整对驾驶场景数据和驾驶行为数据的分场景、分模式的动态采集。
可选地，在本实施例的一个可能的实现方式中，如图4所示，本实施例所提供的数据采集装置还可以进一步包括存储设备31和/或传输处理单元32。其中，存储设备31，用于存储采集到的驾驶场景数据和驾驶行为数据。其该存储设备31例如可以是U盘、大容量SD卡、磁盘等。传输处理单元32，用于对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第一传输频率传输到云端服务器；和/或，对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第二传输频率传输到云端服务器；和/或，对以预设采样频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第三传输频率传输到云端服务器；和/或，对以预设采样频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第四传输频率传输到云端服务器。
这样，既可以将采集到的驾驶场景数据和驾驶行为数据中的全部或部分存储到本地存储设备31中，也可以将采集到的驾驶场景数据和驾驶行为数据中的全部或部分及时上传到云端服务器，以便后续应用。
例如，可以将驾驶行为数据、位置数据、车辆姿态数据上传到云端服务器；由于图像数据的数据量比较大，可以将图像数据存储在本地存储设备，可以定期(如一个月)将存储的图像数据转存到云端服务器。
可选地，在本实施例的一个可能的实现方式中，如图4所示，本实施例所提供的数据采集装置还可以进一步包括：应用单元33，用于基于采集到的驾驶场景数据和驾驶行为数据进行道路工况构建、和/或驾驶场景重构、和/或驾驶行为分析与学习。
需要说明的是，图1～图2对应的实施例中数据采集方法，可以由本实施例提供的数据采集装置实现。详细描述可以参见图1～图2对应的实施例中的相关内容，此处不再赘述。
本实施例中，基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件；若满足预设稳定行驶条件，以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据，从而可以降低相似场景、相似驾驶模式下的数据冗余，减少了数据量，从而可以降低对存储资源和传输资源的占用，便于后续分析；若不满足预设稳定行驶条件，以预设采样频率采集驾驶场景数据和驾驶行为数据，可以满足道路工况构建、驾驶场景重构、驾驶人模型构建、驾驶行为分析与学习、车辆动力学建模与仿真等应用对驾驶场景数据和驾驶行为数据的需求。
另外，采用本发明所提供的技术方案，实现了对驾驶场景数据和驾驶行为数据的分场景、分模式的动态采集，实现了数据采集的灵活性和便利性。
另外，本发明实施例还提供了一种车辆，所述车辆可以包括上述图3～图4任一实施例的数据采集装置。
另外，本发明实施例还提供了一种设备，所述设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述图1～图2任一实施例的数据采集方法。
另外，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述图1～图2任一实施例的数据采集方法。
图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器的框图。图5显示的计算机系统/服务器仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统/服务器以通用计算设备的形式表现。计算机系统/服务器的组件可以包括但不限于：一个或者多个处理器或者处理单元16，存储装置或者系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器交互的设备通信，和/或与使得该计算机系统/服务器能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口44进行。并且，计算机系统/服务器还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机系统/服务器的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现图1所对应的实施例所提供的图像处理方法。
本发明另一实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现图1所对应的实施例所提供的图像处理方法。
具体来说，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或页面组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一个计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (25)

1.一种数据采集方法，其特征在于，包括：
基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件；
若满足预设稳定行驶条件，以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据；其中，所述预设采样频率是满足预设应用对驾驶场景数据和驾驶行为数据采集需求的频率，所述预设应用包括道路工况构建、驾驶场景重构、驾驶人模型构建、驾驶行为分析与学习、车辆动力学建模与仿真中的一个或多个；
若不满足预设稳定行驶条件，以所述预设采样频率采集驾驶场景数据和驾驶行为数据。
2.根据权利要求1所述的方法，其特征在于，所述满足预设稳定行驶条件，包括：
所述车辆的当前行驶速度不大于第一预设阈值，所述车辆沿行驶方向的加速度的大小不大于第二预设阈值，所述车辆的横向加速度的大小不大于第三预设阈值，所述车辆的角速度的大小不大于第四预设阈值，所述车辆未发生起步和停车事件；和/或，所述车辆当前所在的位置不在特定路况的预设范围内。
3.根据权利要求2所述的方法，其特征在于，所述特定路况包括以下任意一项或多项：路口、闸道口、隧道口、行车道数量变化点、交通事故点、桥梁、预设需要停车或者减速地点。
4.根据权利要求1所述的方法，其特征在于，所述以所述预设采样频率的频率采集驾驶场景数据和驾驶行为数据，包括：
以第一采样频率采集驾驶场景数据，以第二采样频率采集驾驶行为数据。
5.根据权利要求4所述的方法，其特征在于，所述以第一采样频率采集驾驶场景数据，以第二采样频率采集驾驶行为数据，包括：
在预设时长范围内，以第一采样频率采集驾驶场景数据，以第二采样频率采集驾驶行为数据。
6.根据权利要求4所述的方法，其特征在于，所述以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据，包括：
以第三采样频率采集驾驶场景数据，以第四采样频率采集驾驶行为数据；其中，所述第三采样频率小于所述第一采样频率，所述第四采样频率小于所述第二采样频率。
7.根据权利要求1～6任一权利要求所述的方法，其特征在于，所述基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据之前，还包括：
利用传感器采集所述驾驶场景数据，从所述车辆的控制器局域网络CAN总线获取所述驾驶行为数据；其中，所述驾驶场景数据包括：所述车辆周围环境的图像数据、所述车辆的位置数据和车辆姿态数据。
8.根据权利要求7所述的方法，其特征在于，所述利用传感器采集所述驾驶场景数据，包括：
利用摄像头采集所述车辆周围环境的图像数据，利用定位模块采集所述车辆的位置数据，利用惯性测量单元采集所述车辆的车辆姿态数据；其中，所述车辆姿态数据包括：所述车辆在三维坐标系中三个坐标轴方向的加速度和角速度。
9.根据权利要求1～6任一权利要求所述的方法，其特征在于，所述基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件，包括：
按照第一预设周期，基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件。
10.根据权利要求1～6任一权利要求所述的方法，其特征在于，所述采集驾驶场景数据和驾驶行为数据之后，还包括：
将采集到的所述驾驶场景数据和所述驾驶行为数据存储在本地存储设备中；和/或，
对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第一传输频率传输到云端服务器；和/或，对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第二传输频率传输到云端服务器；和/或，
对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第三传输频率传输到云端服务器；和/或，对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第四传输频率传输到云端服务器。
11.根据权利要求1～6任一权利要求所述的方法，其特征在于，还包括：
基于采集到的驾驶场景数据和驾驶行为数据进行道路工况构建、和/或驾驶场景重构、和/或驾驶行为分析与学习。
12.一种数据采集装置，其特征在于，包括：
第一采集单元，用于采集车辆所在驾驶场景的驾驶场景数据；
第二采集单元，用于采集所述车辆上的驾驶行为数据；
确定单元，用于基于所述第一采集单元采集到的车辆当前所在驾驶场景的驾驶场景数据和所述第二采集单元采集到的驾驶行为数据，确定是否满足预设稳定行驶条件；若满足预设稳定行驶条件，指示所述第一采集单元和所述第二采集单元以低于预设采样频率的频率采集驾驶场景数据和驾驶行为数据；其中，所述预设采样频率是满足预设应用对驾驶场景数据和驾驶行为数据采集需求的频率，所述预设应用包括道路工况构建、驾驶场景重构、驾驶人模型构建、驾驶行为分析与学习、车辆动力学建模与仿真中的一个或多个；若不满足预设稳定行驶条件，指示所述第一采集单元和所述第二采集单元以预设采样频率采集驾驶场景数据和驾驶行为数据。
13.根据权利要求12所述的装置，其特征在于，所述满足预设稳定行驶条件，包括：
所述车辆的当前行驶速度不大于第一预设阈值，所述车辆沿行驶方向的加速度的大小不大于第二预设阈值，所述车辆的横向加速度的大小不大于第三预设阈值，所述车辆的角速度的大小不大于第四预设阈值，所述车辆未发生起步和停车事件；和/或，所述车辆当前所在的位置不在特定路况的预设范围内。
14.根据权利要求13所述的装置，其特征在于，所述特定路况包括以下任意一项或多项：路口、闸道口、隧道口、行车道数量变化点、交通事故点、桥梁、预设需要停车或者减速地点。
15.根据权利要求12所述的装置，其特征在于，所述第一采集单元，具体用于若不满足预设稳定行驶条件，以第一采样频率采集驾驶场景数据；
所述第二采集单元，具体用于若不满足预设稳定行驶条件，以第二采样频率采集驾驶行为数据。
16.根据权利要求15所述的装置，其特征在于，所述第一采集单元，具体用于若不满足预设稳定行驶条件，在预设时长范围内，以第一采样频率采集驾驶场景数据；
所述第二采集单元，具体用于若不满足预设稳定行驶条件，在预设时长范围内，以第二采样频率采集驾驶行为数据。
17.根据权利要求15所述的装置，其特征在于，所述第一采集单元，具体用于若满足预设稳定行驶条件，以第三采样频率采集驾驶场景数据；其中，所述第三采样频率小于所述第一采样频率；
所述第二采集单元，具体用于若满足预设稳定行驶条件，以第四采样频率采集驾驶行为数据；其中，所述第四采样频率小于所述第二采样频率。
18.根据权利要求12～16任一权利要求所述的装置，其特征在于，所述第一采集单元包括传感器；其中，所述驾驶场景数据包括：所述车辆周围环境的图像数据、所述车辆的位置数据和车辆姿态数据；
所述第二采集单元，具体用于从所述车辆的控制器局域网络CAN总线获取所述驾驶行为数据。
19.根据权利要求18所述的装置，其特征在于，所述第一采集单元包括：
摄像头，用于采集所述车辆周围环境的图像数据；
定位模块，用于采集所述车辆的位置数据；
惯性测量单元，用于采集所述车辆的车辆姿态数据；其中，所述车辆姿态数据包括：所述车辆在三维坐标系中三个坐标轴方向的加速度和角速度。
20.根据权利要求12～17任一权利要求所述的装置，其特征在于，所述确定单元，具体用于按照第一预设周期，基于采集到的车辆当前所在驾驶场景的驾驶场景数据和驾驶行为数据，确定是否满足预设稳定行驶条件。
21.根据权利要求12～17任一权利要求所述的装置，其特征在于，还包括：
存储设备，用于存储采集到的所述驾驶场景数据和所述驾驶行为数据；和/或，
传输处理单元，用于对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第一传输频率传输到云端服务器；和/或，对以低于预设采样频率的频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第二传输频率传输到云端服务器；和/或，对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中的图像数据进行抽样，并以第三传输频率传输到云端服务器；和/或，对以所述预设采样频率采集到的驾驶场景数据和驾驶行为数据中除图像数据以外的其他数据进行抽样，并以第四传输频率传输到云端服务器。
22.根据权利要求12～17任一权利要求所述的装置，其特征在于，还包括：
应用单元，用于基于采集到的驾驶场景数据和驾驶行为数据进行道路工况构建、和/或驾驶场景重构、和/或驾驶行为分析与学习。
23.一种车辆，其特征在于，包括权利要求12～22任一权利要求所述的数据采集装置。
24.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1～11中任一权利要求所述的数据采集方法。
25.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～11中任一所述的数据采集方法。
CN201910036974.8A 2019-01-15 2019-01-15 数据采集方法、装置、设备及计算机可读存储介质 Active CN109857002B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201910036974.8A CN109857002B (zh) 2019-01-15 2019-01-15 数据采集方法、装置、设备及计算机可读存储介质
CN202110712762.4A CN113377033B (zh) 2019-01-15 2019-01-15 数据采集方法、装置、设备及计算机可读存储介质
JP2020570040A JP7291159B2 (ja) 2019-01-15 2019-12-17 データ採集方法、装置、デバイス、プログラム及びコンピュータ可読記憶媒体
PCT/CN2019/125955 WO2020147482A1 (zh) 2019-01-15 2019-12-17 数据采集方法、装置、设备及计算机可读存储介质
EP19910218.7A EP3792882A4 (en) 2019-01-15 2019-12-17 METHOD, DEVICE AND DEVICE FOR COLLECTING DATA AND COMPUTER-READABLE STORAGE MEDIUM
US17/251,168 US11548516B2 (en) 2019-01-15 2019-12-17 Data acquisition method, apparatus, device and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910036974.8A CN109857002B (zh) 2019-01-15 2019-01-15 数据采集方法、装置、设备及计算机可读存储介质

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202110712762.4A Division CN113377033B (zh) 2019-01-15 2019-01-15 数据采集方法、装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109857002A CN109857002A (zh) 2019-06-07
CN109857002B true CN109857002B (zh) 2021-07-20

Family

ID=66894844

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910036974.8A Active CN109857002B (zh) 2019-01-15 2019-01-15 数据采集方法、装置、设备及计算机可读存储介质
CN202110712762.4A Active CN113377033B (zh) 2019-01-15 2019-01-15 数据采集方法、装置、设备及计算机可读存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202110712762.4A Active CN113377033B (zh) 2019-01-15 2019-01-15 数据采集方法、装置、设备及计算机可读存储介质

Country Status (5)

Country Link
US (1) US11548516B2 (zh)
EP (1) EP3792882A4 (zh)
JP (1) JP7291159B2 (zh)
CN (2) CN109857002B (zh)
WO (1) WO2020147482A1 (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109857002B (zh) * 2019-01-15 2021-07-20 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质
CN112147968A (zh) * 2019-06-27 2020-12-29 株式会社日立制作所 车辆故障诊断方法、装置及系统
CN110493521B (zh) * 2019-08-22 2021-06-15 爱驰汽车有限公司 自动驾驶摄像头控制方法、装置、电子设备、存储介质
CN112802227B (zh) * 2019-11-14 2023-11-21 北京车和家信息技术有限公司 车辆adas行驶数据的采集方法、装置、人机交互装置及车辆
CN112857419B (zh) * 2019-11-28 2022-07-26 北京魔门塔科技有限公司 一种基于车辆多传感器的数据测试方法及装置
CN113129473B (zh) * 2020-01-15 2023-06-27 北京京东振世信息技术有限公司 数据采集的方法、装置和系统
EP4119399A4 (en) * 2020-03-31 2023-05-10 Huawei Technologies Co., Ltd. METHOD AND APPARATUS FOR COLLECTING DRIVING DATA
CN111845728B (zh) * 2020-06-22 2021-09-21 福瑞泰克智能系统有限公司 一种驾驶辅助数据采集方法及系统
KR20220002789A (ko) * 2020-06-30 2022-01-07 현대모비스 주식회사 차로 변경 보조 시스템 및 이를 이용한 차로 변경 방법
CN112396093B (zh) * 2020-10-29 2022-10-14 中国汽车技术研究中心有限公司 驾驶场景分类方法、装置、设备及可读存储介质
CN112833880A (zh) * 2021-02-02 2021-05-25 北京嘀嘀无限科技发展有限公司 车辆定位方法、定位装置、存储介质及计算机程序产品
CN112818910B (zh) * 2021-02-23 2022-03-18 腾讯科技（深圳）有限公司 车辆挡位控制方法、装置、计算机设备和存储介质
CN113997941B (zh) * 2021-09-14 2023-10-13 武汉光庭信息技术股份有限公司 一种自车行驶状态分析方法、系统、电子设备及存储介质
CN113888773A (zh) * 2021-09-28 2022-01-04 南京领行科技股份有限公司 网约车的数据处理方法、装置、服务器和存储介质
US11804080B2 (en) * 2021-11-29 2023-10-31 Institute For Information Industry Method and system for inspecting and scoring vehicle transportation
CN114245303A (zh) * 2021-12-22 2022-03-25 诺博汽车系统有限公司 一种数据采集方法、装置、可读存储介质和车辆
CN114312775B (zh) * 2021-12-28 2024-01-09 重庆金康赛力斯新能源汽车设计院有限公司 一种控制方法和装置
CN114384816A (zh) * 2022-01-12 2022-04-22 深圳绿米联创科技有限公司 设备控制方法、装置、电子设备和计算机存储介质
CN114610739A (zh) * 2022-03-16 2022-06-10 镁佳(北京)科技有限公司 一种车联网数据采集方法、装置及计算机设备
CN115116161A (zh) * 2022-06-23 2022-09-27 小米汽车科技有限公司 车辆数据采集方法、装置、存储介质以及车辆
CN115225422B (zh) * 2022-06-30 2023-10-03 际络科技(上海)有限公司 车辆can总线数据采集方法及装置
CN116056002B (zh) * 2022-08-17 2023-09-22 荣耀终端有限公司 一种数据采集方法及电子设备
CN115685949A (zh) * 2022-12-29 2023-02-03 深圳市信润富联数字科技有限公司 调整离散机加工生产过程中数据采样频率的方法及装置
CN116168542B (zh) * 2023-04-19 2023-07-21 山东领军智能交通科技有限公司 一种基于大型车辆的行为监测的预警方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105282512A (zh) * 2015-10-23 2016-01-27 中科动力（福建）新能源汽车有限公司 一种电动汽车安全监控方法及系统
CN106023344A (zh) * 2016-06-06 2016-10-12 清华大学 基于驾驶模式转换概率的驾驶风格估计方法
CN106828502A (zh) * 2016-12-30 2017-06-13 中国第汽车股份有限公司 汽车驾驶员踩踏油门发生不良驾驶行为的识别方法
CN107025704A (zh) * 2017-03-14 2017-08-08 上海小蚁科技有限公司 基于加速度传感器的驾驶行为检测方法及装置、行车记录仪和汽车

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10323144A1 (de) 2003-05-22 2004-12-09 Robert Bosch Gmbh Verfahren und Vorrichtung zur Detektion von Objekten in der Umgebung eines Fahrzeugs
US7821421B2 (en) 2003-07-07 2010-10-26 Sensomatix Ltd. Traffic information system
KR101071362B1 (ko) * 2011-03-25 2011-10-07 위재영 차량의 물체 거리 인식 시스템 및 작동 방법
WO2013074897A1 (en) 2011-11-16 2013-05-23 Flextronics Ap, Llc Configurable vehicle console
CN202404665U (zh) * 2011-12-26 2012-08-29 深圳市长宇电器有限公司 一种汽车行驶记录仪
CN103310501B (zh) * 2012-03-16 2015-11-25 比亚迪股份有限公司 一种汽车行驶记录装置
US8688380B2 (en) * 2012-04-23 2014-04-01 Geotab Inc. Even driven data acquisition switch
KR101185136B1 (ko) * 2012-04-26 2012-09-24 주식회사 로보멕 3차원 스테빌라이져 팬틸트 장치
WO2014172320A1 (en) * 2013-04-15 2014-10-23 Flextronics Ap, Llc Vehicle location-based home automation triggers
GB2525138B (en) * 2013-09-11 2016-06-08 Jaguar Land Rover Ltd Vehicle controller and method
ES2740926T3 (es) * 2015-01-14 2020-02-07 Tata Consultancy Services Ltd Sistema y método para estimar la velocidad de un vehículo
CN105096595A (zh) * 2015-06-30 2015-11-25 北京奇虎科技有限公司 基于行车记录仪的数据传输方法及装置
EP3131020B1 (en) * 2015-08-11 2017-12-13 Continental Automotive GmbH System and method of a two-step object data processing by a vehicle and a server database for generating, updating and delivering a precision road property database
CN105270411B (zh) * 2015-08-25 2018-09-14 南京联创科技集团股份有限公司 一种驾驶行为的分析方法及装置
CN105741381B (zh) * 2016-01-28 2018-08-17 中国人民解放军空军装备研究院航空装备研究所 一种确定飞机飞参记录参数集合的方法
ITUA20164814A1 (it) * 2016-06-30 2017-12-30 Octo Telematics Spa Sistema e procedimento per il bilanciamento dell'elaborazione di dati e segnali di sensori in un veicolo.
JP6274270B2 (ja) 2016-07-21 2018-02-07 住友電気工業株式会社 情報通信装置
US10126722B2 (en) * 2016-08-01 2018-11-13 Qualcomm Incorporated System and method of dynamically controlling parameters for processing sensor output data for collision avoidance and path planning
US11169516B2 (en) * 2016-09-16 2021-11-09 Gopro, Inc. Adaptive rate gain controller
CN106646549A (zh) * 2016-09-27 2017-05-10 东软集团股份有限公司 一种gps数据采集的控制方法和装置
CN206049659U (zh) * 2016-09-30 2017-03-29 清华大学深圳研究生院 一种简化的集成运动传感器的驾驶行为分析装置
CN106488191A (zh) * 2016-10-27 2017-03-08 山东省科学院自动化研究所 电动汽车远程安全监控方法
JP2018084854A (ja) * 2016-11-21 2018-05-31 日本電気株式会社 センサデータ処理方法
CN106550443B (zh) * 2016-12-06 2020-04-07 东软集团股份有限公司 采集定位信号的方法及装置
CN106934876B (zh) * 2017-03-16 2019-08-20 广东翼卡车联网服务有限公司 一种车辆异常驾驶事件的识别方法及系统
CN108932762A (zh) * 2017-05-26 2018-12-04 长城汽车股份有限公司 行车记录装置
CN109032102B (zh) * 2017-06-09 2020-12-18 百度在线网络技术（北京）有限公司 无人驾驶车辆测试方法、装置、设备及存储介质
CN109032103B (zh) * 2017-06-09 2020-12-18 百度在线网络技术（北京）有限公司 无人驾驶车辆的测试方法、装置、设备及存储介质
CN107766872B (zh) * 2017-09-05 2020-08-04 百度在线网络技术（北京）有限公司 一种识别光照驾驶场景的方法和装置
CN108319637A (zh) * 2017-12-19 2018-07-24 广州斯沃德科技有限公司 行驶轨迹生成方法、装置和定位设备
US11187793B1 (en) * 2018-03-02 2021-11-30 Direct Current Capital LLC Method for temporally calibrating sensor streams in an autonomous vehicle
CN108482380B (zh) * 2018-03-06 2019-09-06 知行汽车科技（苏州）有限公司 自适应调节采样频率的驾驶监控系统
CN114140906B (zh) * 2018-04-17 2023-06-30 百度在线网络技术（北京）有限公司 数据处理方法、装置、计算设备、程序产品和存储介质
US10782684B2 (en) * 2018-04-20 2020-09-22 Lyft, Inc. Secure communication between vehicle components via bus guardians
CN109085837B (zh) * 2018-08-30 2023-03-24 阿波罗智能技术(北京)有限公司 车辆控制方法、装置、计算机设备及存储介质
US11144535B2 (en) * 2018-11-30 2021-10-12 The Boeing Company On-board vehicle recorder system monitor
CN109857002B (zh) * 2019-01-15 2021-07-20 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105282512A (zh) * 2015-10-23 2016-01-27 中科动力（福建）新能源汽车有限公司 一种电动汽车安全监控方法及系统
CN106023344A (zh) * 2016-06-06 2016-10-12 清华大学 基于驾驶模式转换概率的驾驶风格估计方法
CN106828502A (zh) * 2016-12-30 2017-06-13 中国第汽车股份有限公司 汽车驾驶员踩踏油门发生不良驾驶行为的识别方法
CN107025704A (zh) * 2017-03-14 2017-08-08 上海小蚁科技有限公司 基于加速度传感器的驾驶行为检测方法及装置、行车记录仪和汽车

Also Published As

Publication number Publication date
CN113377033A (zh) 2021-09-10
JP7291159B2 (ja) 2023-06-14
WO2020147482A1 (zh) 2020-07-23
CN109857002A (zh) 2019-06-07
JP2021526699A (ja) 2021-10-07
US20210261141A1 (en) 2021-08-26
EP3792882A1 (en) 2021-03-17
EP3792882A4 (en) 2021-10-06
CN113377033B (zh) 2024-03-22
US11548516B2 (en) 2023-01-10

Similar Documents

Publication Publication Date Title
CN109857002B (zh) 数据采集方法、装置、设备及计算机可读存储介质
JP6738932B2 (ja) シミュレーションプラットフォームに配置された、機械学習モデルを訓練するためのシステム及び方法
CN109032102B (zh) 无人驾驶车辆测试方法、装置、设备及存储介质
JP6667686B2 (ja) 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体
JP6845874B2 (ja) 自動運転車のための経路及び速度の最適化フォールバックメカニズム
US10810872B2 (en) Use sub-system of autonomous driving vehicles (ADV) for police car patrol
CN109032103B (zh) 无人驾驶车辆的测试方法、装置、设备及存储介质
JP6614464B6 (ja) 車両スケジューリング方法、装置、設備及び記憶媒体
JP6748244B2 (ja) 自動運転車に用いられる学習に基づく速度計画装置
CN109472884B (zh) 无人车数据存储方法、装置、设备及存储介质
CN108508881B (zh) 自动驾驶控制策略调整方法、装置、设备及存储介质
JP6890639B2 (ja) 自動運転のための交差検証に基づく自動ｌｉｄａｒキャリブレーション
KR20200096408A (ko) 자율 주행 차량에서 3d cnn 네트워크를 사용하여 솔루션을 추론하는 lidar 위치 추정
CN106843219B (zh) 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质
JP2021502914A (ja) 自律走行車に用いられるトンネルに基づく計画システム
KR102279405B1 (ko) 자율 주행 차량의 고속 계획을 위한 다항식 피팅 기반의 기준선 평활화 방법
US11480964B2 (en) Distributed system execution using a serial timeline
CN113511204B (zh) 一种车辆换道行为识别方法及相关设备
CN113537362A (zh) 一种基于车路协同的感知融合方法、装置、设备及介质
CN111259712B (zh) 用于车辆行为预测的压缩环境特征的表示
CN113237490A (zh) Ar导航方法、系统、电子设备和存储介质
CN114693540A (zh) 一种图像处理方法、装置以及智能汽车
CN112513951A (zh) 一种场景文件的获取方法以及装置
CN103310649A (zh) 车载智能导航系统
CN111785000B (zh) 一种车辆状态数据上传方法、装置、电子设备及存储介质

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
TR01 Transfer of patent right

Effective date of registration: 20211014

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right