CN110390362A - 一种用于检测无人车故障的方法及无人车 - Google Patents

Abstract

本申请公开了一种用于检测无人车故障的方法及无人车，在该无人车中无人车上设有图像采集器和传感器，可以通过图像采集器采集无人车的图像数据，以及通过传感器采集无人车的状态数据。无人车可以通过处理器将采集到的图像数据和/或状态数据作为待检测数据，并在预设的各参考数据中选取与该待检测数据相匹配的参考数据，作为匹配数据，进而根据该待检测数据以及匹配数据，对无人车进行故障检测，若确定无人车存在故障，则将该匹配数据对应的故障类型，确定为该故障对应的故障类型。无人车不仅能够检测出自身的故障，还能有效的确定出该故障的故障类型，从而实现了对自身存在故障的准确定位，给维修人员的维修带来了极大的方便。

Description

一种用于检测无人车故障的方法及无人车

技术领域

本申请涉及无人车技术领域，尤其涉及一种用于检测无人车故障的方法及无人车。

背景技术

目前，无人车已在多个领域中得到了广泛的应用。而随着科技水平的不断提升，无人车还将在各个领域得到进一步地发展，从而给人们的实际生活带来更多的便利。

为了保证无人车的正常运行，需要对无人车进行故障检测。在现有技术中，无人车上设有一个车载终端，该车载终端可通过无人车上设置的各种传感器，对无人车进行故障检测。当监测到无人车某处出现故障时，可以向服务器进行故障上报，以通知维修人员对无人车进行维修。

然而在现有技术中，车载终端只能定位出无人车哪些地方出现了故障，而无法准确的确定出现的故障类型，从而使得维修人员无法第一时间根据无人车出现的具体故障对其及时的进行维修。

发明内容

本申请实施例提供一种用于检测无人车故障的方法及无人车，以部分的解决现有技术存在的上述问题。

本申请采用下述技术方案：

本申请提供了一种无人车，包括：显示屏、图像采集器、传感器以及处理器；

所述显示屏，用于将检测出的故障结果进行展示；

所述图像采集器，用于采集所述无人车的图像数据；

所述传感器，用于采集所述无人车的状态数据；

所述处理器，用于将所述图像采集器采集到的所述图像数据和/或所述传感器采集到的所述状态数据作为待检测数据，在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，作为匹配数据；根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测；若确定所述无人车存在故障，将所述匹配数据对应的故障类型，确定为所述故障的故障类型。

可选地，所述显示屏还用于，接收用户输入的检测指令；

所述无人车还包括：

控制器，用于根据所述检测指令，控制所述无人车执行与所述检测指令对应的测试动作，以使所述图像采集器采集所述无人车在执行所述测试动作时的图像数据，和/或使所述传感器采集所述无人车在执行所述测试动作时的状态数据。

可选地，所述处理器具体用于，根据所述图像数据对应的采集范围，选取与所述采集范围对应的参考数据，作为与所述图像数据相匹配的参考数据；

所述处理器，将所述图像数据与所述匹配数据进行比对，得到比对结果；根据所述比对结果，对所述无人车进行故障检测。

可选地，所述处理器具体用于，通过判断所述状态数据与所述匹配数据之间的差值是否落入预设的数值范围，对所述无人车进行故障检测。

可选地，所述处理器具体用于，若所述匹配数据为所述无人车出现故障时的参考数据，判断所述状态数据与所述匹配数据之间的差值是否落入预设的第一数值范围；若是，确定所述无人车存在所述故障，否则，确定所述无人车不存在所述故障。

可选地，所述处理器具体用于，若所述匹配数据为所述无人车正常运行时的参考数据，判断所述状态数据与所述匹配数据之间的差值是否落入预设的第二数值范围；若是，确定所述无人车运行正常，否则，确定所述无人车存在故障。

可选地，所述处理器具体用于，若通过所述状态数据确定所述无人车存在故障，根据所述图像数据，确定所述故障的故障类型；或

若通过所述图像数据确定所述无人车存在故障，根据所述状态数据，确定所述故障的故障类型。

本申请提供了一种用于检测无人车故障的方法，包括：

获取无人车的图像数据和/或无人车的状态数据，作为待检测数据；

在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，作为匹配数据；

根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测；

若确定所述无人车存在故障，将所述匹配数据对应的故障类型，确定为所述故障的故障类型。

可选地，获取无人车的图像数据和/或无人车的状态数据之前，所述方法还包括：

接收用户输入的检测指令；

根据所述检测指令，控制所述无人车执行与所述检测指令对应的测试动作；

获取无人车的图像数据和/或无人车的状态数据，具体包括：

获取所述无人车在执行所述测试动作时的图像数据，和/或所述无人车在执行所述测试动作时的状态数据。

可选地，在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，具体包括：

根据所述图像数据对应的采集范围，确定与所述采集范围对应的参考数据，作为与所述图像数据相匹配的参考数据；

根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测，具体包括：

将所述图像数据与所述匹配数据进行比对，得到比对结果；

根据所述比对结果，对所述无人车进行故障检测。

可选地，根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测，具体包括：

通过判断所述状态数据与所述匹配数据之间的差值是否落入预设的数值范围，对所述无人车进行故障检测。

本申请提供了一种用于检测无人车故障的装置，包括：

获取模块，用于获取无人车的图像数据和/或无人车的状态数据，作为待检测数据；

选取模块，用于在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，作为匹配数据；

检测模块，用于根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测；

确定模块，用于若确定所述无人车存在故障，将所述匹配数据对应的故障类型，确定为所述故障的故障类型。

本申请提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述用于检测无人车故障的方法。

本申请采用的上述至少一个技术方案能够达到以下有益效果：

无人车上设有图像采集器和传感器，因此可以通过图像采集器采集无人车的图像数据，以及通过传感器采集无人车的状态数据。无人车可以通过处理器将采集到的图像数据和/或状态数据作为待检测数据，并在预设的各参考数据中选取与该待检测数据相匹配的参考数据，作为匹配数据，进而根据该待检测数据以及匹配数据，对无人车进行故障检测，若确定无人车存在故障，则将该匹配数据对应的故障类型，确定为该故障对应的故障类型。

从上述方法中可以看出，无人车不仅能够检测出自身的故障，还能有效的确定出该故障的故障类型，从而实现了对自身存在故障的准确定位，给维修人员的维修带来了极大的方便。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请提供的一种无人车的示意图；

图2为本申请实施例中一种用于检测无人车故障的流程示意图；

图3为本申请实施例提供的通过显示屏控制无人车执行测试动作的示意图；

图4为本申请提供的一种用于检测无人车故障的装置示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图1为本申请提供的一种无人车的示意图。

在本申请实施例中，无人车上设有多个图像采集器，其中，无人车上的图像采集器(如摄像头)用于采集无人车内部以及底部的图像数据，如图1所示。无人车的底部也设有图像采集器，设于底部的图像采集器没有在图1中示出。

无人车上还设有多个传感器(传感器并未在图1中示出)，传感器用于采集无人车的各种状态数据，其中，这里提到的状态数据用于反映无人车的运行状态，例如，无人车可以通过设置的测速传感器，采集到无人车运行时速度，这里采集到的速度即为无人车通过传感器采集到的状态数据；再例如，无人车可以通过设置的惯性测量单元(InertialMeasurement Unit，IMU)传感器采集无人车的车辆姿态数据，该车辆姿态数据即为无人车通过传感器采集到的状态数据。

在本申请实施例中，无人车还设有处理器(该处理器未在图1中示出)，通过该处理器，无人车可以根据采集到的图像数据以及状态数据，来对无人车进行故障检测，并在确定出无人车存在故障时，进一步地确定出该故障的故障类型，从而方便维修人员能够快速、准确的定位出无人车存在的故障，实现对无人车的快速维修，提高了无人车的维修效率。下面将对本申请实施例提供的用于检测无人车故障的过程进行详细说明。

图1为本申请实施例中一种用于检测无人车故障的方法的流程示意图，具体包括以下步骤：

S101：获取无人车的图像数据和/或无人车的状态数据，作为待检测数据。

无人车可以通过设置的图像采集器和传感器，采集无人车的图像数据以及状态数据。其中，在无人车运行的过程中，无人车可以实时进行图像数据以及状态数据的采集，以实现对无人车是否存在故障的实时分析。当然，无人车也可以在接收到用户(如维修人员)输入的检测指令时，通过图像采集器和传感器采集图像数据和状态数据。

在本申请实施例中，无人车上设有一个显示屏，该显示屏可以显示出无人车在运行时的各种状态数据，也可以将无人车确定出的故障的故障类型进行显示，亦或是用于实现无人车与用户(如维修人员)之间的交互。其中，用户可以在显示屏上输入检测指令，无人车可以根据接收到的检测指令，控制无人车执行相应的测试动作，以通过图像采集器和传感器采集无人车在执行该测试动作时的图像数据以及状态数据。

具体的，无人车上设有控制器，该控制器可以根据显示屏接收到的检测指令，控制无人车执行与该检测指令对应的测试动作。这里提到的检测指令中包含有用户要求无人车执行的测试动作的相关参数，如，行进速度、转向等。该显示屏可以将接收到的这些相关参数按照can协议进行打包，得到检测指令，并将该检测指令发送给该控制器。该控制器可以按照can协议，对该检测指令进行解析，并根据解析结果，控制无人车执行相应的测试动作，如图3所示。

图3为本申请实施例提供的通过显示屏控制无人车执行测试动作的示意图。

在图3中，无人车上设有显示屏，用户(如维修人员)可以通过滑动显示屏上速度和加速度的进度条，输入无人车运行的速度和加速度。显示屏可以将用户输入的速度和加速度按照can协议进行打包，得到检测指令，以使控制器通过该检测指令，控制器按照用户输入的速度和加速度进行运行。其中，无人车按照用户输入的速度和加速度进行运行，即为无人车执行该检测指令所对应的测试动作。

需要说明的是，图3中所示的显示屏只示出了加速度和速度两个可以调节的选项，而在实际应用中，诸如扭矩、档位、指示灯等可以调节的选项均可以在该显示屏上展示，以用户根据实际的测试需求进行调节。

无人车在执行检测指令对应的测试动作时，图像采集器和传感器可以采集无人车执行该测试动作时的图像数据和状态数据。继续沿用上例，无人车按照用户输入的加速度和速度进行运行时，图像采集器可以采集无人车按照该加速度和速度运行时诸如车轮、轮轴等图像数据，同时，传感器可以采集无人车实际的速度和加速度等状态数据。无人车后续可以通过采集的图像数据和状态数据，确定无人车按照该速度和加速度进行运行时，是否存在故障。

从上述可以看出，设置在无人车上的显示屏不仅可以将无人车运行时的各种状态数据进行显示，供用户进行查看，用户还可以通过该显示屏，实现对无人车的各种控制，从而可以使用户方便的实现对故障的定向检测，进而在无人车的故障检测过程中给用户带来了极大的方便。

S102：在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，作为匹配数据。

S103：根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测。

无人车中保存有预设的各参考数据，这里提到的参考数据可以理解为无人车基于采集到的图像数据和状态数据进行故障检测时所参照的数据。在本申请实施例中，不同故障类型可以对应不同的参考数据，例如，对于转速不足这一故障类型来说，对应有用于表征转速是否不足的参考数据；再例如，对于转轴变形这一故障类型，来说，对应有用于表征转轴是否变形的参考数据。

这里提到的参考数据可以是指无人车运行出现故障时的数据，例如，对于倒车失灵这一故障类型，该故障类型对应的参考数据可以是指无人车出现倒车失灵时的图像数据以及状态数据。

相应的，无人车在检测是否存在某一故障类型的故障时，可以将获取到的用于检测该故障类型故障的图像数据和/或状态数据作为待检测数据，并从预设的各参考数据中选取与该检测数据相匹配的参考数据，作为匹配数据。这里提到的选取与该检测数据相匹配的参考数据，其实就是从各故障类型对应的参考数据中，选取出需要检测的故障的故障类型对应的参考数据。例如，需要检测无人车是否存在转向不足这一故障类型的故障时，无人车需要从预设的各参考数据中，选取出与转向不足这一故障类型相匹配的参考数据，作为匹配数据。

在确定出上述匹配数据后，无人车可以通过该匹配数据以及待检测数据，进行故障检测。其中，对于待检测数据为图像数据的情况来说，无人车可以通过上述处理器，采用图像比对的方式，来确定是否存在故障。具体的，无人车通过处理器，可以确定采集到的图像数据和选取出的参考数据(即匹配数据)之间的图像相似度，若是两者之间的相似度超过设定相似度，则可以确定无人车存在该参考数据对应的故障类型的故障。

例如，假设无人车采集到的图像数据为无人车内线路的图像数据，选取出的参考数据为线路老化的图像数据。无人车通过计算这两者之间的图像相似度的方式，确定出该图像相似度超过设定相似度，则可以确定出无人车内线路存在线路老化这一故障类型的故障。

对于待检测数据为状态数据的情况来说，无人车可以通过处理器，判断待检测数据与匹配数据之间的差值是否落入预设的数值范围，来确定无人车是否存在故障。具体的，若匹配数据为无人车出现故障时的参考数据，则在确定出匹配数据后，无人车可以通过处理器，判断该状态数据与该匹配数据之间的差值是否落入到预设的第一数值范围，若是，则可以确定该无人车存在该匹配数据(即参考数据)对应的故障类型的故障，否则，确定该无人车不存在该匹配数据对应的故障类型的故障。

例如，假设无人车通过设置的IMU传感器采集到的各姿态数据后，可以对各姿态数据进行融合，得到车辆姿态数据(即通过IMU传感器采集到的状态数据)。无人车可以将该车辆姿态数据作为待检测数据，并从预设的参考数据中选取无人车在出现姿态异常这一故障类型的故障时的参考数据，作为匹配数据。无人车可以判断该待检测数据与该匹配数据之间的差值是否落入到预设的第一数值范围，若是，则可以确定出无人车存在姿态异常这一故障类型的故障，否则，确定无人车不存在姿态异常这一故障类型的故障。

需要说明的是，上述提到的将各姿态数据进行融合得到车辆姿态数据所采用的融合算法可以是常规算法，在此就不做具体的限定。

在本申请实施例中，上述参考数据也可以是指无人车运行正常时的数据，例如，对于线路老化这一故障类型来说，该故障类型的参考数据可以包括线路未出现老化时的图像数据；再例如，对于姿态异常这一故障类型来说，该故障类型的参考数据可以包括车辆姿态正常时的车辆姿态数据。

基于此，当待检测数据为图像数据的情况时，对于这种情况来说，无人车也可以通过图像比对的方式，来确定无人车是否存在故障。具体的，无人车可以通过处理器，将采集到的图像数据和选取出的匹配数据进行图像比对，若确定出两者之间的图像相似度小于设定阈值，则可以确定出该无人车存在与该匹配数据相对应的故障类型的故障，否则，确定该无人车不存在与该匹配数据相对应的故障类型的故障。

还以线路老化的情况为例，假设无人车中保存有线路未老化的参考数据，在确定无人车是否存在线路老化这一故障类型的故障时，无人车可以通过图像采集器采集到内部线路的图像数据，而后，可以将该图像数据与该参考数据进行图像比对，若确定出这两者之间的图像相似度小于设定阈值，则可以确定该无人车存在线路老化的故障，若确定这两者之间的图像相似度不低于设定阈值，则可以确定出该无人车存在线路老化的故障。

当待检测数据为状态数据的情况时，无人车可以判断待检测数据与匹配数据之间的差值是否落入预设的第二数值范围，来确定无人车是否存在故障。其中，若确定该差值落入该第二数值范围，则可以确定该无人车不存在该匹配数据对应的故障类型的故障，否则，可以确定该无人车存在该匹配数据对应的故障类型的故障。

还以姿态异常这一故障类型为例，无人车通过IMU采集到车辆姿态数据后，可以将该车辆姿态数据作为待检测数据，并从预设的各参考数据中选取出无人车姿态正常时的参考数据作为匹配数据。无人车可以通过处理器，判断该待检测数据和该匹配数据之间的差值是否落入到预设的第二数值范围，若是，则确定无人车当前的姿态处于正常状态，否则，确定无人车当前存在姿态异常的故障。

再例如，通过解析用户输入的检测指令，确定出用户需要无人车按照50km/h的速度进行运行时，无人车的处理器可以将50km/h作为匹配数据，获取到传感器采集到的无人车按照50km/h这一速度进行行驶时的实际速度作为待检测数据。若确定待检测数据与该匹配数据(即无人车的实际速度与50km/h)之间的差值落入第二数值范围，则可以确定出该无人车行驶速度正常，否则，可以确定出该无人车存在实速不足(即实际速度与用户输入的速度不相匹配)的故障。

需要说明的是，上述提到的第一数值范围、第二数值范围、设定相似度等数据可以是人为根据实际经验进行确定的，在此不对具体的数值进行限定。

在本申请实施例中，无人车也可以结合图像数据和状态数据进行故障检测。具体的，若是无人车通过状态数据确定出无人车存在故障，但无法通过该状态数据确定出具体的故障类型，则可以结合图像数据，进一步地确定出故障的故障类型。

例如，假设无人车的处理器通过采集到的状态数据，确定出轮轴不转这一故障，但无法通过该状态数据进一步地确定出到底是何种原因导致轮轴不转这一情况的出现，可以通过图像采集器采集到的轮轴的图像数据，确定出导致轮轴不转这一故障的具体故障类型。当通过图像数据确定出轮轴不转是因为轮轴变形导致的，则可以确定出无人车存在的故障的故障类型为：轮轴变形。

同理，若是无人车通过图像数据确定出无人车存在故障，但是无法通过该图像数据确定出具体的故障类型，则可以结合状态数据，进一步地确定出故障的故障类型。

例如，假设无人车通过图像采集器采集到无人车前轮的图像数据，并通过该图像数据，确定出无人车的前轮在刹车时存在问题。但是，无人车无法通过该图像数据确定出前轮刹车存在的原因。基于此，无人车可以进一步通过设置的刹车传感器所采集到的状态数据，确定出刹车片的磨损严重，进而确定出无人车的前轮存在刹车片磨损严重的故障。

S104：若确定所述无人车存在故障，将所述匹配数据对应的故障类型，确定为所述故障的故障类型。

在确定出无人车存在故障时，无人车可以将上述匹配数据对应的故障类型，确定为该故障对应的故障类型。具体过程以在上述步骤S202和S203中进行了说明，在此就不再进行详细赘述了。

从上述方法中可以看出，无人车不仅能够检测出自身的故障，还能有效的确定出该故障的故障类型，从而实现了对自身存在故障的准确定位，给维修人员的维修带来了极大的方便。

需要说明的是，上述步骤S203中，无人车可以通过预先训练的图像识别模型，对图像数据进行图像识别，以确定出无人车是否存在故障，以及相应的故障类型。即，无人车可以将采集到的图像数据输入的该图像识别模型中，以根据得到的识别结果，确定出该无人车是否存在故障，以及在存在故障时，该故障对应的故障类型。其中，该图像识别模型的训练方式以及采用的模型算法均为现有的常规方式及算法，在此就不详细进行举例说明了。

无人车中可以设有故障检测模型，无人车可以将采集到的图像数据和状态数据作为训练样本，并通过确定出的故障类型，对这些训练样本进行标记。而后，可以通过标记后的训练样本对该故障检测模型进行训练，从而可以在后续过程中，通过该故障检测模型，实现对无人车的故障定位，准确、快速的确定出无人车所遇故障的故障类型。

在本申请实施例中，无人车上的显示屏中设有自检功能，维修人员通过在显示屏中启动该自检功能，可以实现无人车的故障自检。即，无人车可以通过图像采集器和传感器采集到无人车的各项图像数据以及各项状态数据，而后，按照上述方式，无人车可以依次对这些数据进行检测，以确定无人车是否存在各种故障类型的故障。

维修人员可以在显示屏中输入一段行驶路线，以使无人车按照该行驶路线进行行驶。无人车按照该行驶路线进行行驶的过程中，可以通过图像采集器和传感器采集各项图像数据和状态数据，从而无人车在行驶过程中对自身的故障检测。

以上为本申请的一个或多个实施例提供的用于检测无人车故障的方法，基于同样的思路，本申请还提供了相应的用于检测无人车故障的装置，如图4所示。

图4为本申请提供的一种用于检测无人车故障的装置示意图，具体包括：

获取模块401，用于获取无人车的图像数据和/或无人车的状态数据，作为待检测数据；

选取模块402，用于在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，作为匹配数据；

检测模块403，用于根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测；

确定模块404，用于若确定所述无人车存在故障，将所述匹配数据对应的故障类型，确定为所述故障的故障类型。

可选地，所述选取模块402具体用于，根据所述图像数据对应的采集范围，选取与所述采集范围对应的参考数据，作为与所述图像数据相匹配的参考数据；

所述检测模块403具体用于，将所述图像数据与所述匹配数据进行比对，得到比对结果；根据所述比对结果，对所述无人车进行故障检测。

可选地，所述检测模块403具体用于，通过判断所述状态数据与所述匹配数据之间的差值是否落入预设的数值范围，对所述无人车进行故障检测。

本申请实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图2提供的用于检测无人车故障的方法。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (13)

1.一种无人车，其特征在于，所述无人车包括：显示屏、图像采集器、传感器以及处理器；

所述显示屏，用于将检测出的故障结果进行展示；

所述图像采集器，用于采集所述无人车的图像数据；

所述传感器，用于采集所述无人车的状态数据；

所述处理器，用于将所述图像采集器采集到的所述图像数据和/或所述传感器采集到的所述状态数据作为待检测数据，在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，作为匹配数据；根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测；若确定所述无人车存在故障，将所述匹配数据对应的故障类型，确定为所述故障的故障类型。

2.如权利要求1所述的无人车，其特征在于，所述显示屏还用于，接收用户输入的检测指令；

所述无人车还包括：

控制器，用于根据所述检测指令，控制所述无人车执行与所述检测指令对应的测试动作，以使所述图像采集器采集所述无人车在执行所述测试动作时的图像数据，和/或使所述传感器采集所述无人车在执行所述测试动作时的状态数据。

3.如权利要求1所述的无人车，其特征在于，所述处理器具体用于，根据所述图像数据对应的采集范围，选取与所述采集范围对应的参考数据，作为与所述图像数据相匹配的参考数据；

所述处理器，将所述图像数据与所述匹配数据进行比对，得到比对结果；根据所述比对结果，对所述无人车进行故障检测。

4.如权利要求1所述的无人车，其特征在于，所述处理器具体用于，通过判断所述状态数据与所述匹配数据之间的差值是否落入预设的数值范围，对所述无人车进行故障检测。

5.如权利要求4所述的无人车，其特征在于，所述处理器具体用于，若所述匹配数据为所述无人车出现故障时的参考数据，判断所述状态数据与所述匹配数据之间的差值是否落入预设的第一数值范围；若是，确定所述无人车存在所述故障，否则，确定所述无人车不存在所述故障。

6.如权利要求4所述的无人车，其特征在于，所述处理器具体用于，若所述匹配数据为所述无人车正常运行时的参考数据，判断所述状态数据与所述匹配数据之间的差值是否落入预设的第二数值范围；若是，确定所述无人车运行正常，否则，确定所述无人车存在故障。

7.如权利要求1～6任一项所述的无人车，其特征在于，所述处理器具体用于，若通过所述状态数据确定所述无人车存在故障，根据所述图像数据，确定所述故障的故障类型；或

若通过所述图像数据确定所述无人车存在故障，根据所述状态数据，确定所述故障的故障类型。

8.一种用于检测无人车故障的方法，其特征在于，包括：

获取无人车的图像数据和/或无人车的状态数据，作为待检测数据；

在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，作为匹配数据；

根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测；

若确定所述无人车存在故障，将所述匹配数据对应的故障类型，确定为所述故障的故障类型。

9.如权利要求8所述的方法，其特征在于，获取无人车的图像数据和/或无人车的状态数据之前，所述方法还包括：

接收用户输入的检测指令；

根据所述检测指令，控制所述无人车执行与所述检测指令对应的测试动作；

获取无人车的图像数据和/或无人车的状态数据，具体包括：

获取所述无人车在执行所述测试动作时的图像数据，和/或所述无人车在执行所述测试动作时的状态数据。

10.如权利要求8所述的方法，其特征在于，在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，具体包括：

根据所述图像数据对应的采集范围，选取与所述采集范围对应的参考数据，作为与所述图像数据相匹配的参考数据；

根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测，具体包括：

将所述图像数据与所述匹配数据进行比对，得到比对结果；

根据所述比对结果，对所述无人车进行故障检测。

11.如权利要求8所述的方法，其特征在于，根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测，具体包括：

通过判断所述状态数据与所述匹配数据之间的差值是否落入预设的数值范围，对所述无人车进行故障检测。

12.一种用于检测无人车故障的装置，其特征在于，包括：

获取模块，用于获取无人车的图像数据和/或无人车的状态数据，作为待检测数据；

选取模块，用于在预设的各参考数据中，选取与所述待检测数据相匹配的参考数据，作为匹配数据；

检测模块，用于根据所述待检测数据以及所述匹配数据，对所述无人车进行故障检测；

确定模块，用于若确定所述无人车存在故障，将所述匹配数据对应的故障类型，确定为所述故障的故障类型。

13.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求8～11任一项所述的方法。