CN111160420A - 基于地图的故障诊断方法、装置、电子设备和存储介质 - Google Patents
基于地图的故障诊断方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111160420A CN111160420A CN201911284612.7A CN201911284612A CN111160420A CN 111160420 A CN111160420 A CN 111160420A CN 201911284612 A CN201911284612 A CN 201911284612A CN 111160420 A CN111160420 A CN 111160420A
- Authority
- CN
- China
- Prior art keywords
- map
- information
- area
- automatic driving
- hot spot
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
Abstract
本申请公开了基于地图的故障诊断方法、装置、电子设备和存储介质。所述方法包括:接收各个自动驾驶设备上报的地图使用信息;根据所述地图使用信息生成地图中各地图区域的状态信息;根据所述状态信息确定地图中的热点地图区域;根据所述热点地图区域的状态信息确定故障对象。有益效果在于,可以基于地图的信息,快速对地图或者使用地图的自动驾驶设备可能存在的缺陷进行诊断,确定出故障对象,提高了故障诊断的效率,为基于地图的自动驾驶的正常运行提供可靠保障。
Description
技术领域
本申请涉及自动驾驶领域,具体涉及基于地图的故障诊断方法、装置、电子设备和存储介质。
背景技术
自动驾驶可以应用于物流、外卖配送等领域,地图是自动驾驶中所依赖的重要部分,自动驾驶设备通过自身采集的各类测量数据与地图进行匹配,以确定自身的位置,例如自动驾驶设备利用激光雷达采集的激光点云与激光地图进行匹配,此时激光地图也可以称为激光定位地图。为了确保自动驾驶的安全性,对地图的精度和实时准确性要求较高。
然而实际应用中可能存在匹配度偏低的情况,这可能由于地图更新不及时或是自动驾驶设备故障等原因造成,但目前现有技术往往仅关注地图的更新,缺少故障诊断的方案。
发明内容
鉴于上述问题,提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的基于地图的故障诊断方法、装置、电子设备和存储介质。
依据本申请的一个方面,提供了一种基于地图的故障诊断方法,包括:
接收各个自动驾驶设备上报的地图使用信息;
根据所述地图使用信息生成地图中各地图区域的状态信息;
根据所述状态信息确定地图中的热点地图区域;
根据所述热点地图区域的状态信息确定故障对象。
可选地,所述地图使用信息包括:地图匹配度得分和自动驾驶设备的位姿信息;
所述根据所述地图使用信息生成地图中各地图区域的状态信息包括:
对每条地图使用信息,根据所述自动驾驶设备的位姿信息确定相匹配的地图区域,得到该条地图使用信息与地图区域的对应关系;
对每个地图区域,统计该地图区域对应的地图匹配度得分的平均值,将作为该地图区域的状态得分。
可选地,所述根据所述状态信息确定地图中的热点地图区域包括:
由低到高选出若干个状态得分,将选出的状态得分对于的地图区域作为热点地图区域;
和/或,
将状态得分低于预设值的地图区域作为热点地图区域。
可选地,所述地图使用信息还包括自动驾驶设备标识,所述根据所述热点地图区域的状态信息确定故障对象包括:
对每个热点地图区域对应的地图匹配度得分,按自动驾驶设备标识计算与该热点地图区域相关的各自动驾驶设备的状态得分;
若目标自动驾驶设备的状态得分与其他自动驾驶设备的状态得分不具备一致性,则将目标自动驾驶设备作为故障对象。
可选地,所述地图使用信息还包括时间信息;
所述根据所述热点地图区域的状态信息确定故障对象还包括:
若各自动驾驶设备的状态得分具备一致性,则将该热点地图区域对应的地图匹配度得分按时间先后顺序进行排序,得到地图匹配度得分曲线;
若所述地图匹配度得分曲线符合故障特征,则将所述热点地图区域作为故障对象。
可选地,所述地图区域为对地图栅格化得到的地图栅格;
所述方法还包括:
提供基于地图栅格的可视化界面,在所述可视化界面中展示各地图栅格的状态信息。
可选地,如上述任一项所述的方法,其特征在于,所述方法还包括:
根据各地图区域的状态信息,生成与所述地图对应的置信图;
将所述置信图发送给自动驾驶设备,以使自动驾驶设备在使用所述地图时,根据所述置信图调整地图的使用权重。
依据本申请的另一方面,提供了一种基于地图的故障诊断装置,包括:
接收单元,用于接收各个自动驾驶设备上报的地图使用信息;
诊断单元,用于根据所述地图使用信息生成地图中各地图区域的状态信息;根据所述状态信息确定地图中的热点地图区域;根据所述热点地图区域的状态信息确定故障对象。
可选地,所述地图使用信息包括:地图匹配度得分和自动驾驶设备的位姿信息;
所述诊断单元,用于根据所述地图使用信息生成地图中各地图区域的状态信息包括:对每条地图使用信息,根据所述自动驾驶设备的位姿信息确定相匹配的地图区域,得到该条地图使用信息与地图区域的对应关系;对每个地图区域,统计该地图区域对应的地图匹配度得分的平均值,将作为该地图区域的状态得分。
可选地,所述诊断单元,用于由低到高选出若干个状态得分,将选出的状态得分对于的地图区域作为热点地图区域;和/或,将状态得分低于预设值的地图区域作为热点地图区域。
可选地,所述地图使用信息还包括自动驾驶设备标识,所述诊断单元,用于对每个热点地图区域对应的地图匹配度得分,按自动驾驶设备标识计算与该热点地图区域相关的各自动驾驶设备的状态得分;若目标自动驾驶设备的状态得分与其他自动驾驶设备的状态得分不具备一致性,则将目标自动驾驶设备作为故障对象。
可选地,所述地图使用信息还包括时间信息;
所述诊断单元,用于若各自动驾驶设备的状态得分具备一致性,则将该热点地图区域对应的地图匹配度得分按时间先后顺序进行排序,得到地图匹配度得分曲线;若所述地图匹配度得分曲线符合故障特征,则将所述热点地图区域作为故障对象。
可选地,所述地图区域为对地图栅格化得到的地图栅格;
所述诊断单元,还用于提供基于地图栅格的可视化界面,在所述可视化界面中展示各地图栅格的状态信息。
可选地,所述装置还包括:置信单元,用于根据各地图区域的状态信息,生成与所述地图对应的置信图;将所述置信图发送给自动驾驶设备,以使自动驾驶设备在使用所述地图时,根据所述置信图调整地图的使用权重。
依据本申请的又一方面,提供了一种电子设备,包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上述任一所述的方法。
依据本申请的再一方面,提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现如上述任一所述的方法。
由上述可知,本申请的技术方案,通过接收各个自动驾驶设备上报的地图使用信息;根据所述地图使用信息生成地图中各地图区域的状态信息;根据所述状态信息确定地图中的热点地图区域;根据所述热点地图区域的状态信息确定故障对象。有益效果在于,可以基于地图的信息,快速对地图可能存在的缺陷进行诊断,确定出故障对象,提高了故障诊断的效率,为基于地图的自动驾驶的正常运行提供可靠保障,从而为物流、外卖等业务领域提供了技术支撑。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本申请一个实施例的基于地图的故障诊断方法的流程示意图;
图2示出了根据本申请一个实施例的基于地图的故障诊断装置的结构示意图;
图3示出了根据本申请一个实施例的电子设备的结构示意图;
图4示出了根据本申请一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例,然而应当理解,可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本申请,并且能够将本申请的范围完整的传达给本领域的技术人员。
图1示出了根据本申请一个实施例的基于地图的故障诊断方法的流程示意图。如图1所示,该方法包括:
步骤S110,接收各个自动驾驶设备上报的地图使用信息。
地图可以具体是通过如下方式建立的:首先进行数据采集,由地图采集车在目标区域道路行驶,在行驶过程中记录传感器的测量数据,例如激光雷达传感器测量的激光数据,GNSS(Global Navigation Satellite System,全球导航卫星系统)传感器测量的位置数据。其次依据采集的数据进行建图,对传感器采集的测量数据进行时间戳对齐,再以GNSS传感器的测量姿态和地图采集车内部传感器标定为依据,将激光雷达传感器测量的激光数据投影到地图上。这样地图就包含了与激光数据对应的位置信息,也可称为定位地图。上面的场景以激光雷达为例,在实际也可以拓展到使用摄像头的场景。例如建图时中将摄像头采集的图片提取特征点,再投影至地图中。
也就是说,地图(定位地图)中包含了场景轮廓特征(例如激光雷达测量点、摄像头拍照提取的特征点)以及对应的位置信息。自动驾驶设备在行驶时,通过传感器的实时测量数据与地图进行匹配,得到地图使用信息。
步骤S120,根据地图使用信息生成地图中各地图区域的状态信息。
可以将地图中各地图划分为不同区域,通过地图使用信息生成地图中各地图区域的状态信息。本申请可以利用多个自动驾驶设备综合获取上报的使用信息生成各地图区域的状态信息,避免单个自动驾驶设备误报带来的诊断错误。这样,就可以获取地图中各地图区域的状态信息,从而为物流、外卖等业务领域提供了技术支撑。
步骤S130,根据状态信息确定地图中的热点地图区域。
在没有故障的情况下,各地图区域的状态信息应该是近乎一致的,那么通过查找不一致的地图区域,可以将具有明显异常特征的地图区域确定为热点地图区域,这样,就可以根据状态信息确定地图中的热点地图区域,便于快速确定可能存在缺陷的地图区域。
步骤S140,根据热点地图区域的状态信息确定故障对象。
可以对热点地图区域的状态信息进行分析,可以进一步得到所分析的热点地图区域是否存在故障。这样,就实现了根据热点地图区域的状态信息确定故障对象。
可见,如图1所示的方法,可以基于地图的信息,快速对地图可能存在的缺陷进行诊断,确定出故障对象,提高了故障诊断的效率,为基于地图的自动驾驶的正常运行提供可靠保障。
在本申请的一个实施例中,上述方法中,地图使用信息包括:地图匹配度得分和自动驾驶设备的位姿信息;根据地图使用信息生成地图中各地图区域的状态信息包括:对每条地图使用信息,根据自动驾驶设备的位姿信息确定相匹配的地图区域,得到该条地图使用信息与地图区域的对应关系;对每个地图区域,统计该地图区域对应的地图匹配度得分的平均值,将作为该地图区域的状态得分。
例如,自动驾驶设备行驶过程中,通过激光雷达传感器和GNSS传感器分别进行测量,依据当前GNSS传感器的测量数据在定位地图中查找出对应的激光数据,再将当前激光雷达传感器的测量数据与查找出的激光数据进行匹配度计算,得到地图匹配度得分。
因此,地图使用信息可以包括地图匹配度得分和自动驾驶设备的位姿信息,其中,地图匹配度得分是定位结果的打分,打分的依据可以自动驾驶设备激光雷达的测量结果和地图的匹配度,匹配越好,则得分score就越高。自动驾驶设备的位姿信息是自动驾驶设备在空间中的位置信息和自动驾驶设备的姿态信息,可以用坐标(x,y,theta)来表示,其中x表示空间的横坐标值, y表示空间的纵坐标值,theta表示空间中自动驾驶设备的姿态与坐标系的夹角值。可以根据地图使用信息内容特征生成地图中各地图区域的状态信息,例如可以根据每条地图使用信息,根据自动驾驶设备的所处空间位置信息和自动驾驶设备姿态信息确定出相匹配的地图区域,并确认该条地图使用信息与地图区域的之间的对应关系。这样,就可以得到相匹配的地图区域。还可以对每个地图区域计算对应的地图匹配度得分的平均值,将统计得到的平均值作为该地图区域的状态得分,这样可以反映出该区域的状态匹配度。
在本申请的一个实施例中,上述方法中,根据状态信息确定地图中的热点地图区域包括:由低到高选出若干个状态得分,将选出的状态得分对于的地图区域作为热点地图区域;和/或,将状态得分低于预设值的地图区域作为热点地图区域。
热点地图区域是可能存在异常或者地图缺陷的区域,为了更为准确和高效的确定出热点地图区域和最为匹配的地图区域,可以先分别计算出该地图区域的状态得分,然后再按由低到高的顺序进行排序,这样就可以根据选取出若干个状态得分,将选出的状态得分对应的地图区域作为热点地图区域;也可以通过预设一定的阈值,然后将状态得分与预设阈值进行比较,若状态得分低于预设值,则将该地图区域作为热点地图区域。这样,就可以自动化,快速的确定出热点地图区域。
在本申请的一个实施例中,上述方法中,地图使用信息还包括自动驾驶设备标识,根据热点地图区域的状态信息确定故障对象包括:对每个热点地图区域对应的地图匹配度得分,按自动驾驶设备标识计算与该热点地图区域相关的各自动驾驶设备的状态得分;若目标自动驾驶设备的状态得分与其他自动驾驶设备的状态得分不具备一致性,则将目标自动驾驶设备作为故障对象。
自动驾驶设备自身带有特定的唯一性标识,例如每辆车唯一的自动驾驶设备ID信息,可以用自动驾驶设备ID信息vechile_id来表示。地图使用信息还可以包括自动驾驶设备标识,可以根据该唯一性标识,结合热点地图区域的状态信息确定故障对象,具体而言,可以计算出每个热点地图区域对应的地图匹配度得分,然后根据自动驾驶设备标识计算出与该热点地图区域相关的各自动驾驶设备的状态得分;可以将目标自动驾驶设备的状态得分与其他自动驾驶设备的状态得分进行比较分析,若目标自动驾驶设备的状态得分与其他自动驾驶设备的状态得分不具备一致性,例如,目标自动驾驶设备的状态得分明显低于其他自动驾驶设备的状态得分,则将目标自动驾驶设备作为故障对象。这样,就可以通过多车统计分析的手段,可以结合自动驾驶设备标识将目标自动驾驶设备作为故障对象,减少可能存在的误差。
在本申请的一个实施例中,上述方法中,地图使用信息还包括时间信息;根据热点地图区域的状态信息确定故障对象还包括:若各自动驾驶设备的状态得分具备一致性,则将该热点地图区域对应的地图匹配度得分按时间先后顺序进行排序,得到地图匹配度得分曲线;若地图匹配度得分曲线符合故障特征,则将热点地图区域作为故障对象。
由于不同的自动驾驶设备具有不同的车速与出现时间,因此通过热点地图区域作为故障对象过程中会受到车速与时间的影响。为了更为准确快速的确定出故障对象,地图使用信息还可以包括时间信息,时间信息可以利用时间戳timestamp来表示。具体地,可以先对各自动驾驶设备的统计状态得分,若各自动驾驶设备的状态得分具有明显的同类特征,可以认为具备一致性,则可以将该热点地图区域对应的地图匹配度得分按时间先后顺序进行排序,从而得到地图匹配度得分曲线。故障对象反映的曲线往往具有明显特征,如曲线出现明显的剧烈波动,突然断崖式变化等特征。可以预先将这些故障对象曲线特征进行归纳存储,通过与地图匹配度得分曲线进行比较,若地图匹配度得分曲线符合故障特征,则将热点地图区域作为故障对象。这样,就是实现了根据地图匹配度得分曲线自动、快速的确定出故障对象。
在本申请的一个实施例中,上述方法中,地图区域为对地图栅格化得到的地图栅格;方法还包括:提供基于地图栅格的可视化界面,在可视化界面中展示各地图栅格的状态信息。
地图栅格是对地图经几何纠正及色彩校正后,形成在内容、几何精度和色彩上与地图保持一致的栅格数据集。可以通过对地图栅格化得到的地图栅格。这样,就得到了栅格化的地图栅格。为了便于管理维护和统计的便利,可以提供基于地图栅格的可视化界面,这样,用户可以在地图栅格的可视化界面中查看各地图栅格的状态信息,如可以查看单位时间内的自动驾驶设备通过情况,故障对象数量情况统计等信息。
在本申请的一个实施例中,如上述任一项的方法中,其特征在于,方法还包括:根据各地图区域的状态信息,生成与地图对应的置信图;将置信图发送给自动驾驶设备,以使自动驾驶设备在使用地图时,根据置信图调整地图的使用权重。
为了在地图未及时更新情况下自动驾驶设备能保持正常行驶,可以根据各地图区域的状态信息,生成与地图对应的置信图。置信图中含有对地图的使用权重比例的信息。在地图为及时更新的情况下,可以将置信图发送给自动驾驶设备,以使自动驾驶设备在使用地图时,根据置信图调整地图的使用权重,例如在地图未更新的路面行驶时,可以相应降低地位地图的使用权重,而结合自动驾驶设备自身传感装置和卫星导航定位数据的支持继续保持正常行驶。这样,就实现了在不更新地图的情况下,保持了自动驾驶设备的正常运行。
以下用一个较为完整的实施例展示对多个定位点的统计分析,确定故障对象的过程。每个自动驾驶设备在运行的时候,都能得到以下数据结构: (x,y,theta,score,vechile_id,timestamp)其中,x表示坐标系中横坐标的值,y 表示坐标系中纵坐标的值,theta表示空间中自动驾驶设备的姿态与坐标系的夹角值,score表示地图匹配度得分,vechile_id表示自动驾驶设备的ID信息,timestamp表示时间戳表示的时间信息。由于每个点的不完全重合,可以在空间建立坐标系,可以通过将x,y规整到附近的0.5米精度整点规整的方法进行可视化统计。以地图中某个栅格为例,多台自动驾驶设备经过这个栅格时可以得到如下数据集合:(x,y,score1,vechile_id1,timestamp_1);(x,y,score2,vechile_id1,timestamp_3);(x,y,score3,vechile_id2,timestamp_7);(x,y,score4,vechile_id3,timestamp_4);(x,y,score5,vechile_id1,timestamp_2)。可以先对地图进行栅格化得到地图栅格,然后确定出热点地图区域,在栅格化的地图栅格中,假设栅格数量为sum_count=5,可以计算出该区域的每个栅格的地图匹配度得分,然后计算该栅格的地图匹配度得分的平均分分值 average_score=(score1+score2+score3+score4+score5)/sum_count,然后再计算对整个区域进行相同计算,最终可以将平均分较低的热点栅格确定为热点地图区域。然后,针对热点地图区域进行分析。具体地,可以分别对不同自动驾驶设备进行打分,排除车辆自身存在的问题。例如, average_score_id1=(score1+score2+score5)/3;average_score_id2=(score3)/1; average_score_id2=(score4)/1。如果以上分数比较一致,则可以排除特定自动驾驶设备自身出现故障的影响干扰;否则,需要针对特定自动驾驶设备进行检查诊断。可以从时间排序上进行分析,可以通过绘制地图匹配度得分曲线,进而对地图匹配度得分曲线表现出来的曲线规律进行分析从而确定出故障对象。具体地,可以以时间为横轴的曲线,score为纵轴,那么可以得到相应的曲线特性:其中,曲线横轴为 [timestamp_1,timestamp_2,timestamp_3,timestamp_4,timestamp_5],曲线纵轴为 [score1,score5,score2,score4,score5],假设在某个时间点之后开始的时间里,该处的匹配度得分score都开始变差,则说明该处环境发生了较大变化。这样,就可以通过对热点地图区域的分析确定出故障对象。
图2示出了根据本申请一个实施例的基于地图的故障诊断装置的结构示意图。如图2所示,该基于地图的故障诊断装置200包括:
接收单元210,用于接收各个自动驾驶设备上报的地图使用信息。
地图可以具体是通过如下方式建立的:首先进行数据采集,由地图采集车在目标区域道路行驶,在行驶过程中记录传感器的测量数据,例如激光雷达传感器测量的激光数据,GNSS(Global Navigation Satellite System,全球导航卫星系统)传感器测量的位置数据。其次依据采集的数据进行建图,对传感器采集的测量数据进行时间戳对齐,再以GNSS传感器的测量姿态和地图采集车内部传感器标定为依据,将激光雷达传感器测量的激光数据投影到地图上。这样地图就包含了与激光数据对应的位置信息,也可称为定位地图。上面的场景以激光雷达为例,在实际也可以拓展到使用摄像头的场景。例如建图时中将摄像头采集的图片提取特征点,再投影至地图中。
也就是说,地图(定位地图)中包含了场景轮廓特征(例如激光雷达测量点、摄像头拍照提取的特征点)以及对应的位置信息。自动驾驶设备在行驶时,通过传感器的实时测量数据与地图进行匹配,得到地图使用信息。
本申请实施例主要是基于地图实现的,因此需要的是无人设备的地图使用信息,具体来说,可以包含地图匹配度得分和自动驾驶设备的位姿信息等,这样,可以通过分析自动驾驶设备上报的地图使用信息来综合分析出故障原因,从而确定故障对象。
可以将地图中各地图划分为不同区域,通过地图使用信息生成地图中各地图区域的状态信息。本申请可以利用多个自动驾驶设备综合获取上报的使用信息生成各地图区域的状态信息,避免单个自动驾驶设备误报带来的诊断错误。这样,就可以获取地图中各地图区域的状态信息。
诊断单元220,用于根据地图使用信息生成地图中各地图区域的状态信息;根据状态信息确定地图中的热点地图区域;根据热点地图区域的状态信息确定故障对象。
在没有故障的情况下,各地图区域的状态信息应该是近乎一致的,那么通过查找不一致的地图区域,可以将具有明显异常特征的地图区域确定为热点地图区域,这样,就可以根据状态信息确定地图中的热点地图区域,便于快速确定可能存在缺陷的地图区域。
可以对热点地图区域的状态信息进行分析,可以进一步得到所分析的热点地图区域是否存在故障。这样,就实现了根据热点地图区域的状态信息确定故障对象。
可见,如图2所示的装置,可以基于地图的信息,快速对地图可能存在的缺陷进行诊断,确定出故障对象,提高了故障诊断的效率,为基于地图的自动驾驶的正常运行提供可靠保障,从而为物流、外卖等业务领域提供了技术支撑。
在本申请的一个实施例中,上述装置中,地图使用信息包括:地图匹配度得分和自动驾驶设备的位姿信息;诊断单元220,用于根据地图使用信息生成地图中各地图区域的状态信息包括:对每条地图使用信息,根据自动驾驶设备的位姿信息确定相匹配的地图区域,得到该条地图使用信息与地图区域的对应关系;对每个地图区域,统计该地图区域对应的地图匹配度得分的平均值,将作为该地图区域的状态得分。
在本申请的一个实施例中,上述装置中,诊断单元220,用于由低到高选出若干个状态得分,将选出的状态得分对应的地图区域作为热点地图区域;和/或,将状态得分低于预设值的地图区域作为热点地图区域。
在本申请的一个实施例中,上述装置中,地图使用信息还包括自动驾驶设备标识,诊断单元220,用于对每个热点地图区域对应的地图匹配度得分,按自动驾驶设备标识计算与该热点地图区域相关的各自动驾驶设备的状态得分;若目标自动驾驶设备的状态得分与其他自动驾驶设备的状态得分不具备一致性,则将目标自动驾驶设备作为故障对象。
在本申请的一个实施例中,上述装置中,地图使用信息还包括时间信息;诊断单元220,用于若各自动驾驶设备的状态得分具备一致性,则将该热点地图区域对应的地图匹配度得分按时间先后顺序进行排序,得到地图匹配度得分曲线;若地图匹配度得分曲线符合故障特征,则将热点地图区域作为故障对象。
在本申请的一个实施例中,上述装置中,地图区域为对地图栅格化得到的地图栅格;诊断单元220,还用于提供基于地图栅格的可视化界面,在可视化界面中展示各地图栅格的状态信息。
在本申请的一个实施例中,上述任一项装置中,其特征在于,装置还包括:置信单元,用于根据各地图区域的状态信息,生成与地图对应的置信图;将置信图发送给自动驾驶设备,以使自动驾驶设备在使用地图时,根据置信图调整地图的使用权重。
需要说明的是,上述各装置实施例的具体实施方式可以参照前述对应方法实施例的具体实施方式进行,在此不再赘述。
综上所述,本申请的技术方案,通过接收各个自动驾驶设备上报的地图使用信息;根据所述地图使用信息生成地图中各地图区域的状态信息;根据所述状态信息确定地图中的热点地图区域;根据所述热点地图区域的状态信息确定故障对象。有益效果在于,可以基于地图的信息,快速对地图可能存在的缺陷进行诊断,确定出故障对象,提高了故障诊断的效率,为基于地图的自动驾驶的正常运行提供可靠保障,从而为物流、外卖等业务领域提供了技术支撑。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的基于地图的故障诊断装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
例如,图3示出了根据本申请一个实施例的电子设备的结构示意图。该电子设备300包括处理器310和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器320。存储器320可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器320具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码331的存储空间330。例如,用于存储计算机可读程序代码的存储空间330 可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码331。计算机可读程序代码331可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘,紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图4所述的计算机可读存储介质。图4示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质400存储有用于执行根据本申请的方法步骤的计算机可读程序代码 331,可以被电子设备300的处理器310读取,当计算机可读程序代码331 由电子设备300运行时,导致该电子设备300执行上面所描述的方法中的各个步骤,具体来说,该计算机可读存储介质存储的计算机可读程序代码331 可以执行上述任一实施例中示出的方法。计算机可读程序代码331可以以适当形式进行压缩。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种基于地图的故障诊断方法,包括:
接收各个自动驾驶设备上报的地图使用信息;
根据所述地图使用信息生成地图中各地图区域的状态信息;
根据所述状态信息确定地图中的热点地图区域;
根据所述热点地图区域的状态信息确定故障对象。
2.如权利要求1所述的方法,其特征在于,所述地图使用信息包括:地图匹配度得分和自动驾驶设备的位姿信息;
所述根据所述地图使用信息生成地图中各地图区域的状态信息包括:
对每条地图使用信息,根据所述自动驾驶设备的位姿信息确定相匹配的地图区域,得到该条地图使用信息与地图区域的对应关系;
对每个地图区域,统计该地图区域对应的地图匹配度得分的平均值,将作为该地图区域的状态得分。
3.如权利要求2所述的方法,其特征在于,所述根据所述状态信息确定地图中的热点地图区域包括:
由低到高选出若干个状态得分,将选出的状态得分对应的地图区域作为热点地图区域;
和/或,
将状态得分低于预设值的地图区域作为热点地图区域。
4.如权利要求2所述的方法,其特征在于,所述地图使用信息还包括自动驾驶设备标识,所述根据所述热点地图区域的状态信息确定故障对象包括:
对每个热点地图区域对应的地图匹配度得分,按自动驾驶设备标识计算与该热点地图区域相关的各自动驾驶设备的状态得分;
若目标自动驾驶设备的状态得分与其他自动驾驶设备的状态得分不具备一致性,则将目标自动驾驶设备作为故障对象。
5.如权利要求4所述的方法,其特征在于,所述地图使用信息还包括时间信息;
所述根据所述热点地图区域的状态信息确定故障对象还包括:
若各自动驾驶设备的状态得分具备一致性,则将该热点地图区域对应的地图匹配度得分按时间先后顺序进行排序,得到地图匹配度得分曲线;
若所述地图匹配度得分曲线符合故障特征,则将所述热点地图区域作为故障对象。
6.如权利要求1所述的方法,其特征在于,所述地图区域为对地图栅格化得到的地图栅格;
所述方法还包括:
提供基于地图栅格的可视化界面,在所述可视化界面中展示各地图栅格的状态信息。
7.如权利要求1-6中任一项所述的方法,其特征在于,所述方法还包括:
根据各地图区域的状态信息,生成与所述地图对应的置信图;
将所述置信图发送给自动驾驶设备,以使自动驾驶设备在使用所述地图时,根据所述置信图调整地图的使用权重。
8.一种基于地图的故障诊断装置,包括:
接收单元,用于接收各个自动驾驶设备上报的地图使用信息;
诊断单元,用于根据所述地图使用信息生成地图中各地图区域的状态信息;根据所述状态信息确定地图中的热点地图区域;根据所述热点地图区域的状态信息确定故障对象。
9.一种电子设备,其中,该电子设备包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现如权利要求1-7中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911284612.7A CN111160420B (zh) | 2019-12-13 | 2019-12-13 | 基于地图的故障诊断方法、装置、电子设备和存储介质 |
PCT/CN2020/135398 WO2021115395A1 (zh) | 2019-12-13 | 2020-12-10 | 基于地图的故障诊断 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911284612.7A CN111160420B (zh) | 2019-12-13 | 2019-12-13 | 基于地图的故障诊断方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111160420A true CN111160420A (zh) | 2020-05-15 |
CN111160420B CN111160420B (zh) | 2023-10-10 |
Family
ID=70557091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911284612.7A Active CN111160420B (zh) | 2019-12-13 | 2019-12-13 | 基于地图的故障诊断方法、装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111160420B (zh) |
WO (1) | WO2021115395A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021115395A1 (zh) * | 2019-12-13 | 2021-06-17 | 北京三快在线科技有限公司 | 基于地图的故障诊断 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160358081A1 (en) * | 2015-06-08 | 2016-12-08 | International Business Machines Corporation | Automated vehicular accident detection |
US20170109422A1 (en) * | 2015-10-14 | 2017-04-20 | Tharmalingam Satkunarajah | 3d analytics actionable solution support system and apparatus |
CN106969779A (zh) * | 2017-03-17 | 2017-07-21 | 重庆邮电大学 | 基于dsrc的智能车辆地图融合系统及方法 |
CN107839610A (zh) * | 2017-02-10 | 2018-03-27 | 问众智能信息科技(北京)有限公司 | 一种通过智能后视镜实现跟车导航的方法和系统 |
CN108204819A (zh) * | 2016-12-19 | 2018-06-26 | 北京四维图新科技股份有限公司 | 一种地图数据自动检测方法和装置、及混合导航系统 |
US20180188044A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | High definition map updates with vehicle data load balancing |
CN108279428A (zh) * | 2017-01-05 | 2018-07-13 | 武汉四维图新科技有限公司 | 地图数据评测装置及系统、数据采集系统及采集车和采集基站 |
CN108508872A (zh) * | 2018-04-18 | 2018-09-07 | 鄂尔多斯市普渡科技有限公司 | 一种无人驾驶汽车信息采集系统的故障检测方法 |
CN108830261A (zh) * | 2018-07-20 | 2018-11-16 | 北京汉能华科技股份有限公司 | 基于图像识别的设备故障诊断方法和装置 |
CN108931246A (zh) * | 2017-05-26 | 2018-12-04 | 杭州海康机器人技术有限公司 | 一种检测未知位置的障碍物存在概率的方法和装置 |
CN108958264A (zh) * | 2018-08-03 | 2018-12-07 | 北京智行者科技有限公司 | 基于自动驾驶技术的道路交通稽查方法和车辆 |
CN109101011A (zh) * | 2017-06-20 | 2018-12-28 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的传感器监控方法、装置、设备及存储介质 |
CN109405841A (zh) * | 2017-08-15 | 2019-03-01 | 通用汽车环球科技运作有限责任公司 | 用于参与地图异常检测和校正的方法和设备 |
US20190138024A1 (en) * | 2017-11-07 | 2019-05-09 | Uber Technologies, Inc. | Map Automation - Lane Classification |
CN109740462A (zh) * | 2018-12-21 | 2019-05-10 | 北京智行者科技有限公司 | 目标的识别跟随方法 |
CN109783588A (zh) * | 2018-12-10 | 2019-05-21 | 北京百度网讯科技有限公司 | 地图的错误信息检测方法、装置、设备、车辆及存储介质 |
CN110386148A (zh) * | 2019-06-26 | 2019-10-29 | 北京汽车集团有限公司 | 自动驾驶车辆的控制方法、装置和车辆 |
CN110398912A (zh) * | 2018-04-25 | 2019-11-01 | 北京四维图新科技股份有限公司 | 一种电子地图外业数据采集设备的故障监测系统 |
JP2019199118A (ja) * | 2018-05-14 | 2019-11-21 | トヨタ自動車株式会社 | 異常検出装置 |
CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016210495A1 (de) * | 2016-06-14 | 2017-12-14 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Erstellen einer optimierten Lokalisierungskarte und Verfahren zum Erstellen einer Lokalisierungskarte für ein Fahrzeug |
CN108958266A (zh) * | 2018-08-09 | 2018-12-07 | 北京智行者科技有限公司 | 一种地图数据获取方法 |
CN109931939B (zh) * | 2019-02-27 | 2020-11-03 | 杭州飞步科技有限公司 | 车辆的定位方法、装置、设备及计算机可读存储介质 |
CN110542908B (zh) * | 2019-09-09 | 2023-04-25 | 深圳市海梁科技有限公司 | 应用于智能驾驶车辆上的激光雷达动态物体感知方法 |
CN111160420B (zh) * | 2019-12-13 | 2023-10-10 | 北京三快在线科技有限公司 | 基于地图的故障诊断方法、装置、电子设备和存储介质 |
-
2019
- 2019-12-13 CN CN201911284612.7A patent/CN111160420B/zh active Active
-
2020
- 2020-12-10 WO PCT/CN2020/135398 patent/WO2021115395A1/zh active Application Filing
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160358081A1 (en) * | 2015-06-08 | 2016-12-08 | International Business Machines Corporation | Automated vehicular accident detection |
US20170109422A1 (en) * | 2015-10-14 | 2017-04-20 | Tharmalingam Satkunarajah | 3d analytics actionable solution support system and apparatus |
CN108204819A (zh) * | 2016-12-19 | 2018-06-26 | 北京四维图新科技股份有限公司 | 一种地图数据自动检测方法和装置、及混合导航系统 |
US20180188044A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | High definition map updates with vehicle data load balancing |
CN108279428A (zh) * | 2017-01-05 | 2018-07-13 | 武汉四维图新科技有限公司 | 地图数据评测装置及系统、数据采集系统及采集车和采集基站 |
CN107839610A (zh) * | 2017-02-10 | 2018-03-27 | 问众智能信息科技(北京)有限公司 | 一种通过智能后视镜实现跟车导航的方法和系统 |
CN106969779A (zh) * | 2017-03-17 | 2017-07-21 | 重庆邮电大学 | 基于dsrc的智能车辆地图融合系统及方法 |
CN108931246A (zh) * | 2017-05-26 | 2018-12-04 | 杭州海康机器人技术有限公司 | 一种检测未知位置的障碍物存在概率的方法和装置 |
CN109101011A (zh) * | 2017-06-20 | 2018-12-28 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的传感器监控方法、装置、设备及存储介质 |
CN109405841A (zh) * | 2017-08-15 | 2019-03-01 | 通用汽车环球科技运作有限责任公司 | 用于参与地图异常检测和校正的方法和设备 |
US20190138024A1 (en) * | 2017-11-07 | 2019-05-09 | Uber Technologies, Inc. | Map Automation - Lane Classification |
CN108508872A (zh) * | 2018-04-18 | 2018-09-07 | 鄂尔多斯市普渡科技有限公司 | 一种无人驾驶汽车信息采集系统的故障检测方法 |
CN110398912A (zh) * | 2018-04-25 | 2019-11-01 | 北京四维图新科技股份有限公司 | 一种电子地图外业数据采集设备的故障监测系统 |
JP2019199118A (ja) * | 2018-05-14 | 2019-11-21 | トヨタ自動車株式会社 | 異常検出装置 |
CN108830261A (zh) * | 2018-07-20 | 2018-11-16 | 北京汉能华科技股份有限公司 | 基于图像识别的设备故障诊断方法和装置 |
CN108958264A (zh) * | 2018-08-03 | 2018-12-07 | 北京智行者科技有限公司 | 基于自动驾驶技术的道路交通稽查方法和车辆 |
CN109783588A (zh) * | 2018-12-10 | 2019-05-21 | 北京百度网讯科技有限公司 | 地图的错误信息检测方法、装置、设备、车辆及存储介质 |
CN109740462A (zh) * | 2018-12-21 | 2019-05-10 | 北京智行者科技有限公司 | 目标的识别跟随方法 |
CN110386148A (zh) * | 2019-06-26 | 2019-10-29 | 北京汽车集团有限公司 | 自动驾驶车辆的控制方法、装置和车辆 |
CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021115395A1 (zh) * | 2019-12-13 | 2021-06-17 | 北京三快在线科技有限公司 | 基于地图的故障诊断 |
Also Published As
Publication number | Publication date |
---|---|
WO2021115395A1 (zh) | 2021-06-17 |
CN111160420B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111079680B (zh) | 临时交通信号灯检测方法、装置和自动驾驶设备 | |
US10127257B2 (en) | Methods of creating a database and of formulating a map of operating states of aircraft and a method of monitoring the operation of an associated aircraft | |
JP6205030B2 (ja) | 鉄道網上の列車イベントの位置を特定する方法 | |
CN110910341B (zh) | 一种输电线路锈蚀区缺陷检测方法及装置 | |
CN109891192B (zh) | 用于定位车辆的方法和系统 | |
CN109635053B (zh) | 地图的质检方法、装置、系统及存储介质 | |
CN111241969A (zh) | 目标检测方法、装置及相应模型训练方法、装置 | |
CN107504917B (zh) | 一种三维尺寸测量方法及装置 | |
CN111483464B (zh) | 基于路侧单元的动态自动驾驶换道方法、设备、存储介质 | |
CN111524394A (zh) | 提升机坪综合航迹监视数据精度的方法、装置及系统 | |
CN110109165B (zh) | 行驶轨迹中异常点的检测方法及装置 | |
CN111160420B (zh) | 基于地图的故障诊断方法、装置、电子设备和存储介质 | |
US20220234588A1 (en) | Data Recording for Advanced Driving Assistance System Testing and Validation | |
CN112146615B (zh) | 基于多架无人机的边坡监测方法 | |
CN113448340B (zh) | 一种无人机的路径规划方法、装置、无人机及存储介质 | |
US20210116248A1 (en) | Inspection management device, inspection management method, and recording medium to store program | |
CN112154355B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN113049264B (zh) | 一种车辆高级驾驶辅助系统的测试系统及方法 | |
US20230314169A1 (en) | Method and apparatus for generating map data, and non-transitory computer-readable storage medium | |
CN115019216B (zh) | 实时地物检测和定位计数方法、系统及计算机 | |
US20210383141A1 (en) | Sign position identification system and program | |
CN111126154A (zh) | 路面元素的识别方法、装置、无人驾驶设备和存储介质 | |
WO2022247299A1 (zh) | 指示灯状态识别 | |
CN111857113B (zh) | 可移动设备的定位方法及定位装置 | |
CN111815560A (zh) | 光伏电站故障检测方法、装置、便携检测设备及存储介质 |
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 |