CN111741259B - 无人驾驶设备的控制方法及装置 - Google Patents
无人驾驶设备的控制方法及装置 Download PDFInfo
- Publication number
- CN111741259B CN111741259B CN202010532042.5A CN202010532042A CN111741259B CN 111741259 B CN111741259 B CN 111741259B CN 202010532042 A CN202010532042 A CN 202010532042A CN 111741259 B CN111741259 B CN 111741259B
- Authority
- CN
- China
- Prior art keywords
- data
- pixel
- image
- image data
- pixel row
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/265—Mixing
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本说明书公开了一种无人驾驶设备的控制方法及装置,通过各图像采集器采集多路图像数据,通过MIPI‑D‑PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据,将提取出的各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包,将各像素行所对应的数据包进行解析,并将解析出的各图像数据中包含的各像素行的像素数据进行拼接,并基于拼接后图像,对无人驾驶设备进行控制。这样不仅提高数据传输效率,还保证无人驾驶设备能够基于采集到的图像数据快速对自身实施控制。
Description
技术领域
本说明书涉及数据传输技术领域,尤其涉及一种无人驾驶设备的控制方法及装置。
背景技术
随着无人驾驶技术的不断发展,无人驾驶设备已经在各种领域中得到的广泛的应用,在极大提高工作效率的同时,也给人们的日常生活带来了极大的方便。
为了保证无人驾驶设备的安全行驶,通常需要在无人驾驶设备上设置多个图像采集器,并于多个图像采集器采集到的图像数据,对无人驾驶设备自身实施控制。在现有技术中,无人驾驶设备通常使用集线器HUB来传输采集到的图像数据,然而,采用HUB进行数据传输时,协议开销以及所占用的内存往往较高,而随着图像采集器数量的增加,无人驾驶设备将采集到的图像数据在其内部进行数据传输时所面临的传输压力也将越大,这样就很可能会出现HUB 宕机的情况,从而极大的降低无人驾驶设备的数据传输效率,给无人驾驶设备对自身实施的控制带来极大的影响。
所以,如何能够有效地提高无人驾驶设备的数据传输效率,保证无人驾驶设备能够顺利地对自身实施控制,则是一个亟待解决的问题。
发明内容
本说明书提供一种无人驾驶设备的控制方法及装置,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种无人驾驶设备的控制方法,包括:
通过各图像采集器采集多路图像数据;
通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据;
将提取出的所述各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包;
将各像素行所对应的数据包进行解析,并将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像;
基于得到的所述各图像数据所对应的拼接后图像,对无人驾驶设备进行控制。
可选地,通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据,具体包括:
通过所述MIPI-D-PHY传输协议,将第N像素行的像素数据逐行从各图像数据中进行提取,并在确定出所述各图像数据中第N像素行的像素数据提取完毕后,再将第N+1像素行的像素数据逐行从所述各图像数据中进行提取,直至将所述各图像数据中各像素行的像素数据全部提取为止,N为不小于1的整数。
可选地,通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据,具体包括:
针对每个图像数据,通过所述MIPI-D-PHY传输协议中的PPI协议,对从该图像数据中提取出的像素行的像素数据进行标识;
将提取出的所述各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包,具体包括:
针对每个像素行,将该图像数据中标识后的该像素行的像素数据与其他图像数据中标识后的该像素行的像素数据进行打包,得到针对所述各图像数据中该像素行所对应的数据包。
可选地,将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,具体包括:
将各数据包中标识相同的像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像。
可选地,将各像素行所对应的数据包进行解析,并将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像,具体包括:
针对每个图像数据,确定采集该图像数据的图像采集器所对应的各缓存空间;
通过图像处理器将各像素行所对应的数据包进行解析,并将解析出的该图像数据中的第N像素行的像素数据存储在采集该图像数据的图像采集器所对应的第M个缓存空间中,N为不小于1的整数,M为不小于1的整数;
将缓存的该图像数据中第N像素行的像素数据与其他图像数据中第N像素行的像素数据同步输出进行图像拼接,并同时将解析出的该图像数据中的第 N+1像素行的像素数据存储在采集该图像数据的图像采集器所对应的第M+1 个缓存空间。
可选地,基于得到的所述各图像数据所对应的拼接后图像,对无人驾驶设备进行控制之前,所述方法还包括:
针对得到的每个拼接后图像,若确定该拼接后图像满足预设的图像完整度和/或图像清晰度,确定该拼接后图像为正常图像,否则确定该拼接后图像为异常图像。
可选地,基于得到的所述各图像数据所对应的拼接后图像,对无人驾驶设备进行控制,具体包括:
从得到的各拼接后图像中确定正常图像;
基于所述正常图像,对所述无人驾驶设备进行控制。
本说明书提供了一种无人驾驶设备的控制装置,包括:
获取模块,用于通过各图像采集器采集多路图像数据;
提取模块,用于通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据;
打包模块,用于将提取出的所述各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包;
解析模块,用于将各像素行所对应的数据包进行解析,并将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像;
控制模块,用于基于得到的所述各图像数据所对应的拼接后图像,对所述装置进行控制。
本说明书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无人驾驶设备的控制方法。
本说明书提供了一种无人驾驶设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述无人驾驶设备的控制方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的无人驾驶设备的控制方法中,可以通过各图像采集器采集多路图像数据,通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据,将提取出的所述各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包,将各像素行所对应的数据包进行解析,并将解析出的各图像数据中包含的各像素行的像素数据进行拼接,得到各图像数据对应的拼接后图像,并基于得到的各拼接后图像,对无人驾驶设备进行控制。
从上述方法可以看出,由于无人驾驶设备可以通过MIPI-D-PHY传输协议实现内部的数据传输,这样不仅能够有效的提高数据传输效率,还能够有效的降低数据传输过程中所消耗的系统资源,从而在提高数据传输效率的同时,还有效地保证无人驾驶设备能够基于采集到的图像数据快速的对自身实施控制,保障了无人驾驶设备在行驶过程中的安全性。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书提供的一种无人驾驶设备的控制方法流程示意图;
图2为本说明书提供的无人驾驶设备对像素行的像素数据进行标识的示意图;
图3为本说明书提供的无人驾驶设备中数据传输的架构示意图;
图4为本说明书提供的一种无人驾驶设备的控制装置示意图;
图5为本说明书提供的对应于图1的无人驾驶设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书中技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书提供的一种无人驾驶设备的控制方法流程示意图,具体包括以下步骤:
S101:通过各图像采集器采集多路图像数据。
在本说明书中,无人驾驶设备在运行时可以进行图像采集,其中,这里提到的无人驾驶设备可以是指诸如无人机、无人车、机器人等设备。基于此,本说明书提供的无人驾驶设备的控制方法具体可应用于使用无人驾驶设备进行配送的领域,如,使用无人驾驶设备进行快递、物流、外卖等配送的业务场景。而为了保证无人驾驶设备能够在这些业务场景中顺利行进,需要对采集到的图像数据进行分析,以使无人驾驶设备能够进行诸如目标识别、路径规划等操作,进而根据得到的操作结果,对无人驾驶设备进行准确的控制。
无人驾驶设备上设有至少一个图像采集器(如摄像头、照相机、深度相机、红外摄像头等),基于此,无人驾驶设备在行驶的过程中,可以通过设置的各图像采集器进行图像采集,以采集到的多路的图像数据。
S102:通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据。
无人驾驶设备通过各图像采集器采集到各图像数据后,需要将采集到的图像数据在无人驾驶设备的内部进行数据传输,以传输至能够对图像数据进行图像分析的图像处理器。基于此,在本说明书中,无人驾驶设备可以通过预设的移动行业处理器接口(MobileIndustry Processor Interface,MIPI)D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据,进而在后续过程中,将提取出的像素行的像素数据进行数据传输。
其中,之所以采用MIPI-D-PHY传输协议,是因为MIPI-D-PHY传输协议可以实现低功耗、高速率的数据传输。具体的,无人驾驶设备可以通过 MIPI-D-PHY传输协议,将第N像素行的像素数据逐行从各图像数据中进行提取,并在确定出各图像数据中第N像素行的像素数据提取完毕后,再将第N+1 像素行的像素数据逐行从各图像数据中进行提取,直至将各图像数据中各像素行的像素数据全部提取为止,N为不小于1的整数。
例如,无人驾驶设备通过MIPI-D-PHY传输协议进行数据提取时,可以逐个提取出各图像数据中的第一像素行的像素数据,在提取出所有图像数据的第一像素行的像素数据后,再逐个提取出各图像数据中的第二像素行的像素数据,以此类推,直至将所有图像数据中的所有像素行的像素数据提取出来为止。
为了在后续的图像拼接过程中能够将来自不同图像数据的像素行的像素数据进行区分,无人驾驶设备可以对来自不同图像数据的像素行的像素数据进行标识。具体的,在本说明书中,无人驾驶设备可以针对每个采集到的图像数据,通过MIPI-D-PHY传输协议中的PPI协议,对从该图像数据中提取出的像素行的像素数据进行标识,如图2所示。
图2为本说明书提供的无人驾驶设备对像素行的像素数据进行标识的示意图。
假设,无人驾驶设备上设有4个图像采集器,无人驾驶设备在获取到这4 个图像采集器采集到的图像数据后,可以对这4个图像数据中包含的像素行的像素数据进行逐行提取。其中,在逐个提取出这4个图像数据中包含的第一像素行的像素数据后,无人驾驶设备可以对这四个第一像素行的像素数据进行标注。在图2中,P1-1即可以视为无人驾驶设备对从编号为1的图像采集器所采集到的图像数据中提取出的第一像素行的像素数据进行标识的标识信息,同理, P2-1即可以视为无人驾驶设备对从编号为2的图像采集器所采集到的图像数据中提取出的第一像素行的像素数据进行标识的标识信息,以此类推。进一步地,无人驾驶设备在提取出这4个图像数据的第一像素行的像素数据后,可以将标识出的这4个第一像素行的像素数据进行打包,并基于MIPI-D-PHY传输协议传输给图像处理器。从这里可以看出,在同一时期内,不同图像采集器所采集到的图像数据对应的标识不同。
S103:将提取出的所述各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包。
无人驾驶设备按照上述方式提取出各像素行后,可以将相同像素行的像素数据进行打包,以得到每个像素行所对应的数据包。针对每个像素行来说,该像素行对应的数据包即是指将各图像数据中该像素行的像素数据进行打包后得到的数据包。例如,第一像素行对应的数据包即为将各图像数据包含的第一像素行的像素数据进行打包后得到的数据包。
无人驾驶设备可以按照MIPI-D-PHY传输协议,将得到的各像素行所对应的数据包传输给无人驾驶设备中的图像处理器,以使图像处理器在后续过程中,对这些数据包进行解析,以及进行图像拼接。其中,这里提到的图像处理器可以是指设置在无人驾驶设备中用于进行图像处理、分析的处理器,该图像处理器的具体形式可以有多种,例如,现场可编程逻辑门阵列(Field Programmabl e Gate Array,FPGA)。
S104:将各像素行所对应的数据包进行解析,并将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像。
S105:基于得到的所述各图像数据所对应的拼接后图像,对无人驾驶设备进行控制。
无人驾驶设备将各像素行对应的数据包传输给图像处理器后,图像处理器可以对获取到的数据包进行解析,并将解析出的出自相同图像数据的像素行的像素数据进行拼接。其中,由于数据包中包含的像素行的像素数据均对应有标识信息,所以,可以基于这些标识信息,各数据包中出自相同图像数据的像素行的像素数据进行拼接。
例如在图2中,P1-1、P1-2、…、P1-256用于标识无人驾驶设备上设置的编号为1的图像采集器所采集到的图像数据中包含的各像素行的像素数据,基于这些标识信息,无人驾驶设备可以通过图像处理器,将出自编号为1的图像采集器所采集到的图像数据中包含的各像素行的像素数据进行拼接,得到拼接后图像。同理,P2-1、P2-2、…、P2-256用于标识无人驾驶设备上设置的编号为2的图像采集器所采集到的图像数据中包含的各像素行的像素数据,基于这些标识信息,无人驾驶设备可以通过图像处理器,将出自编号为2的图像采集器所采集到的图像数据中包含的各像素行的像素数据进行拼接,得到拼接后图像,以此类推。
需要说明的是,为了能够实现无人驾驶设备的准确控制,通常需要保证无人驾驶设备对采集到的各图像数据进行同步处理。例如,为了能够得到良好的路径规划结果,无人驾驶设备需要准确的确定出周围障碍物(如障碍物车辆、行人等)的状态数据。基于此,无人驾驶设备需要对各图像采集器所采集到的各图像数据进行同时分析,才能基于这些图像数据,准确的确定出周围障碍物的速度、加速度等状态数据。
再例如,无人驾驶设备在行驶在路口时,需要基于前方的交通指示灯的指示灯状态(指示灯状态用于表示交通指示灯为红灯、黄灯还是绿灯)以及两侧的汽车行驶状态,来决定如何通过该路口。基于此,无人驾驶设备需要将采集到的交通指示灯的图像数据以及无人驾驶设备两侧的图像数据进行同时分析,才能准确的确定出无人驾驶设备应该如何安全的通过该路口。
因此,对于无人驾驶设备上设置的每个图像采集器来说,无人驾驶设备中设有用于存储该图像采集器的各缓存空间。其中,存储该图像采集器的各缓存空间可以只用于存储该图像采集器所采集到的图像数据。进一步地,无人驾驶设备通过图像处理器从数据包中解析出该图像采集器采集的图像数据中像素行的像素数据后,可以将解析出的像素行的像素数据存储在缓存空间中。
具体的,无人驾驶设备可以将解析出的该图像数据中的第N像素行的像素数据存储在采集该待图像数据的图像采集器所对应的第M个缓存空间,其中,N为不小于1的整数,M为不小于1的整数。而后,可以将缓存的该图像数据中第N像素行的像素数据与其他图像数据中第N像素行的像素数据同步输出进行图像拼接,并同时将解析出的该图像数据中第N+1像素行的像素数据存储在采集该图像数据的图像采集器所对应的第M+1个缓存空间。
例如,无人驾驶设备上设有两个图像采集器,对于每个图像采集器来说,无人驾驶设备中设有用于存储该图像采集器的采集的图像数据的两个缓存空间。当无人驾驶设备在解析出这两个图像采集器采集的图像数据所包含的第一像素行的像素数据后,可以将这两个第一像素行的像素数据分别缓存在这两个图像采集器对应的第一个缓存空间。进一步地,无人驾驶设备可以将提取出的这两个图像数据中包含的第二像素行的像素数据分别缓存在这两个图像采集器所对应的第二缓存空间。
需要说明的是,在实际应用中,图像数据中包含的像素行通常较多,而无人驾驶设备中通常不会针对图像数据中包含的每个像素行均设有一个专门存储该像素行的像素数据的缓存空间。基于此,在本说明书中,无人驾驶设备在确定出各图像数据中包含的一个像素行的像素数据均完成缓存后,可以将这些像素行的像素数据从各缓存空间中进行同步输出,并同时在释放的缓存空间中缓存其他像素行的像素数据。
继续沿用上例,无人驾驶设备通过图像处理器解析出这两个图像数据中包含的第三像素行的像素数据后,可以从这两个图像采集器分别对应的第一个缓存空间中同步输出这两个图像数据中包含的第一像素行的像素数据,并将解析出的这两个图像数据中包含的第三像素行的像素数据分别同步存储在释放存储空间的第一个缓存空间,即,第一图像采集器所采集的图像数据中包含的第三像素行的像素数据,缓存在该第一图像采集器所对应的第一个缓存空间中,第二图像采集器所采集的图像数据中包含的第三像素行的像素数据,缓存在该第二图像采集器所对应的第一个缓存空间中。
从上述过程中可以看出,无人驾驶设备其实是先采用MIPI-D-PHY传输协议,实现待处理图像中像素数据的串行高速传输,而后,需要对各数据包进行解析,进而再将解析出的各图像数据中相同像素行的像素数据进行并行同步输出,并进行图像拼接,如图3所示。
图3为本说明书提供的无人驾驶设备中数据传输的架构示意图。
无人驾驶设备可以通过MIPI-D-PHY传输协议,从采集到的各图像数据提取出各像素行的像素数据,并将相同像素行的像素数据进行打包,得到的各像素行对应的数据包。而后,可以将这些数据包进行内部传输,并通过设置的数据解耦单元从这些数据包解析出的各像素行的像素数据,并将解析出的各像素行的像素数据缓存在各自图像采集器所对应的缓存空间中。与此同时,对于每个像素行来说,若确定各图像数据中包含的该像素行的像素数据均已缓存在各图像采集器所对应的缓存空间,则可以将该像素行的像素数据从各缓存空间中同步输出,从而进行图像拼接。其中,这里提到的数据解耦单元可以设置于图像处理器中,也可以是设置于图像处理器外的数据处理单元。
即,针对每个像素行,无人驾驶设备可以根据该像素行的像素数据所对应的标识信息,将该像素行的像素数据与已经同步输出的该标识信息所对应的其他像素行的像素数据进行拼接。而各图像数据所包含的各像素行的像素数据全部同步输出后,可以拼接出与各图像数据对应的图像数据,进而基于这些拼接后图像,对无人驾驶设备实施控制。这样可以使无人驾驶设备基于同时拼接出的各拼接后图像实现对自身的准确控制。
在本说明书中,由于在数据采集以及数据传输过程中,可能会出现数据缺失或是失真的情况,所以,图像数据与从该图像数据中提取出的各像素行的像素数据所拼接出的拼接后图像可能并不是完全相同的。而当无人驾驶设备基于存在数据缺失或是失真的图像数据对自身实施控制时,很可能无法准确的确定出控制决策,这就给无人驾驶设备的控制带来了一定的隐患。
为了降低上述情况所带来的不利影响,在本说明书中,无人驾驶设备可以针对得到的每个拼接后图像,若确定该拼接后图像满足预设的图像完整度和/ 或图像清晰度,则可以确定该拼接后图像为正常图像,否则确定该拼接后图像为异常图像。其中,所谓的满足预设的图像完整度是指:若该拼接后图像中包含的像素行的行数不低于预设行数,且该拼接后图像中包含的异常像素行的数量低于该设定数量,则可以确定该拼接后图像满足预设的图像完整度。而若是该拼接后图像中包含的像素行的行数低于预设行数,和/或该拼接后图像中包含有不低于设定数量的异常像素行,则可以确定该拼接后图像不满足预设的图像完整度。异常像素行是指像素行中包含的像素数低于预设像素数的像素行。
所谓的满足预设的图像清晰度是指:若是该拼接后图像的图像清晰度不低于设定清晰度,则可以确定该拼接后图像满足预设的图像清晰度。而若是该拼接后图像的图像清晰度低于设定清晰度,则可以确定该拼接后图像不满足预设的图像清晰度。
进一步地,上述提到的正常图像,可以是指同时满足上述预设的图像完整度和图像清晰度的拼接后图像,也可以是指满足上述预设的图像完整度和图像清晰度中任意一个条件的拼接后图像。而异常图像可以是指既不满足上述预设的图像完整度,也不满足图像清晰度的拼接后图像。当然,对于无人驾驶设备来说,用于实施自身控制的图像数据在图像完整度上的重要性要大于图像清晰度,所以,上述正常图像也可以是指满足上述图像完整度的拼接后图像,而只要不满足该图像完整度,则视为异常图像。
而从上述可以看出,对于数据缺失情况或是失真情况较为严重的图像数据,无人驾驶设备可以将其标注为异常图像,而对于不存在数据缺失情况、失真情况,或是数据缺失情况、失真情况不严重(所谓的数据缺失情况、失真情况不严重是指数据缺失或是失真的情况较小,并不影响无人驾驶设备对自身的控制,而数据缺失情况或是失真情况严重指的是数据缺失或是失真的情况将会对无人驾驶设备的自身控制带来不利的影响)的图像数据,无人驾驶设备可以将其标注为正常图像。
基于此,无人驾驶设备基于拼接后图像对自身实施控制时,可以从这些图像数据中确定出正常图像,进而基于这些正常图像,对无人驾驶设备进行控制。这样可以有效的避免那些存在数据缺失情况的图像数据对无人驾驶设备对自身实施控制所带来的不利影响,从而在一定程度上保证了无人驾驶设备的安全行驶。
从上述方法中可以看出,由于无人驾驶设备可以通过预设的MIPI-D-PHY 传输协议实现内部的数据传输,这样不仅能够有效的提高数据传输效率,还能够有效的降低数据传输过程中所消耗的系统资源,从而在提高数据传输效率的同时,还有效的保证无人驾驶设备能够基于采集到的图像数据快速的对自身实施控制,保障了无人驾驶设备在行驶过程中的安全性。
以上为本说明书的一个或多个实施例提供的无人驾驶设备的控制方法,基于同样的思路,本说明书还提供了相应的无人驾驶设备的控制装置,如图4所示。
图4为本说明书提供的一种无人驾驶设备的控制装置示意图,具体包括:
获取模块401,用于通过各图像采集器采集多路图像数据;
提取模块402,用于通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据;
打包模块403,用于将提取出的所述各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包;
解析模块404,用于将各像素行所对应的数据包进行解析,并将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像;
控制模块405,用于基于得到的所述各图像数据所对应的拼接后图像,对所述装置进行控制。
可选地,所述提取模块402具体用于,通过所述MIPI-D-PHY传输协议,将第N像素行的像素数据逐行从各图像数据中进行提取,并在确定出所述各图像数据中第N像素行的像素数据提取完毕后,再将第N+1像素行的像素数据逐行从所述各图像数据中进行提取,直至将所述各图像数据中各像素行的像素数据全部提取为止,N为不小于1的整数。
可选地,所述提取模块402具体用于,针对每个图像数据,通过所述 MIPI-D-PHY传输协议中的PPI协议,对从该图像数据中提取出的像素行的像素数据进行标识;
所述打包模块403具体用于,针对每个像素行,将该图像数据中标识后的该像素行的像素数据与其他图像数据中标识后的该像素行的像素数据进行打包,得到针对所述各图像数据中该像素行所对应的数据包。
可选地,所述解析模块404具体用于,将各数据包中标识相同的像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像。
可选地,所述解析模块404具体用于,针对每个图像数据,确定采集该图像数据的图像采集器所对应的各缓存空间;通过图像处理器将各像素行所对应的数据包进行解析,并将解析出的该图像数据中的第N像素行的像素数据存储在采集该图像数据的图像采集器所对应的第M个缓存空间中,N为不小于1 的整数,M为不小于1的整数;将缓存的该图像数据中第N像素行的像素数据与其他图像数据中第N像素行的像素数据同步输出进行图像拼接,并同时将解析出的该图像数据中的第N+1像素行的像素数据存储在采集该图像数据的图像采集器所对应的第M+1个缓存空间。
可选地,在所述控制模块405在基于得到的所述各图像数据所对应的拼接后图像,对所述装置进行控制之前,所述解析模块404还用于,针对得到的每个拼接后图像,若确定该拼接后图像满足预设的图像完整度和/或图像清晰度,确定该拼接后图像为正常图像,否则确定该拼接后图像为异常图像。
可选地,所述控制模块405具体用于,从得到的各拼接后图像中确定正常图像;基于所述正常图像,对所述装置进行控制。
本说明书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无人驾驶设备的控制方法。
本说明书还提供了图5所示的无人驾驶设备的示意结构图。如图5所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所示的无人驾驶设备的控制方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
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,在实施本说明书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,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书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,本说明书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。
本说明书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说明书,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。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种无人驾驶设备的控制方法,其特征在于,包括:
通过各图像采集器采集多路图像数据;
通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据;
将提取出的所述各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包;
将各像素行所对应的数据包进行解析,并将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像,其中,将解析出的出自相同图像数据的像素行的像素数据进行拼接;
基于得到的所述各图像数据所对应的拼接后图像,对无人驾驶设备进行控制。
2.如权利要求1所述的方法,其特征在于,通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据,具体包括:
通过所述MIPI-D-PHY传输协议,将第N像素行的像素数据逐行从各图像数据中进行提取,并在确定出所述各图像数据中第N像素行的像素数据提取完毕后,再将第N+1像素行的像素数据逐行从所述各图像数据中进行提取,直至将所述各图像数据中各像素行的像素数据全部提取为止,N为不小于1的整数。
3.如权利要求2所述的方法,其特征在于,通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据,具体包括:
针对每个图像数据,通过所述MIPI-D-PHY传输协议中的PPI协议,对从该图像数据中提取出的像素行的像素数据进行标识;
将提取出的所述各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包,具体包括:
针对每个像素行,将该图像数据中标识后的该像素行的像素数据与其他图像数据中标识后的该像素行的像素数据进行打包,得到针对所述各图像数据中该像素行所对应的数据包。
4.如权利要求3所述的方法,其特征在于,将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,具体包括:
将各数据包中标识相同的像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像。
5.如权利要求1~4任一项所述的方法,其特征在于,将各像素行所对应的数据包进行解析,并将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像,具体包括:
针对每个图像数据,确定采集该图像数据的图像采集器所对应的各缓存空间;
通过图像处理器将各像素行所对应的数据包进行解析,并将解析出的该图像数据中的第N像素行的像素数据存储在采集该图像数据的图像采集器所对应的第M个缓存空间中,N为不小于1的整数,M为不小于1的整数;
将缓存的该图像数据中第N像素行的像素数据与其他图像数据中第N像素行的像素数据同步输出进行图像拼接,并同时将解析出的该图像数据中的第N+1像素行的像素数据存储在采集该图像数据的图像采集器所对应的第M+1个缓存空间。
6.如权利要求1所述的方法,其特征在于,基于得到的所述各图像数据所对应的拼接后图像,对无人驾驶设备进行控制之前,所述方法还包括:
针对得到的每个拼接后图像,若确定该拼接后图像满足预设的图像完整度和/或图像清晰度,确定该拼接后图像为正常图像,否则确定该拼接后图像为异常图像。
7.如权利要求6所述的方法,其特征在于,基于得到的所述各图像数据所对应的拼接后图像,对无人驾驶设备进行控制,具体包括:
从得到的各拼接后图像中确定正常图像;
基于所述正常图像,对所述无人驾驶设备进行控制。
8.一种无人驾驶设备的控制装置,其特征在于,包括:
获取模块,用于通过各图像采集器采集多路图像数据;
提取模块,用于通过移动行业处理器接口MIPI-D-PHY传输协议,从采集到的各图像数据中逐行提取出各像素行的像素数据;
打包模块,用于将提取出的所述各图像数据中相同像素行的像素数据进行打包,分别得到各像素行所对应的数据包;
解析模块,用于将各像素行所对应的数据包进行解析,并将解析出的所述各图像数据中包含的各像素行的像素数据进行拼接,得到所述各图像数据对应的拼接后图像,其中,将解析出的出自相同图像数据的像素行的像素数据进行拼接;
控制模块,用于基于得到的所述各图像数据所对应的拼接后图像,对所述装置进行控制。
9.一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1~7任一项所述的方法。
10.一种无人驾驶设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010532042.5A CN111741259B (zh) | 2020-06-11 | 2020-06-11 | 无人驾驶设备的控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010532042.5A CN111741259B (zh) | 2020-06-11 | 2020-06-11 | 无人驾驶设备的控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111741259A CN111741259A (zh) | 2020-10-02 |
CN111741259B true CN111741259B (zh) | 2022-05-06 |
Family
ID=72648842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010532042.5A Active CN111741259B (zh) | 2020-06-11 | 2020-06-11 | 无人驾驶设备的控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111741259B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112501B (zh) * | 2021-05-11 | 2023-01-20 | 上海市东方海事工程技术有限公司 | 一种基于深度学习的车载轨道巡检装置及方法 |
CN113986057A (zh) * | 2021-10-22 | 2022-01-28 | 北京三快在线科技有限公司 | 图像处理方法、装置、可读存储介质及无人设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107635105A (zh) * | 2016-07-19 | 2018-01-26 | 浙江星星冷链集成股份有限公司 | 一种利用双路摄像头进行拼接画面的装置 |
CN110278405A (zh) * | 2018-03-18 | 2019-09-24 | 北京图森未来科技有限公司 | 一种自动驾驶车辆的侧向图像处理方法、装置和系统 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105659594A (zh) * | 2013-10-17 | 2016-06-08 | 联发科技股份有限公司 | 发送/接收图片的压缩的像素数据组和像素数据分组设定的指示信息的数据处理装置以及相关数据处理方法 |
US20150155009A1 (en) * | 2013-12-03 | 2015-06-04 | Nokia Corporation | Method and apparatus for media capture device position estimate- assisted splicing of media |
CN104363385B (zh) * | 2014-10-29 | 2017-05-10 | 复旦大学 | 一种图像融合的基于行的硬件实现方法 |
CN107249096B (zh) * | 2016-06-14 | 2021-02-26 | 杭州海康威视数字技术股份有限公司 | 全景摄像机及其拍摄方法 |
CN106454152B (zh) * | 2016-12-02 | 2019-07-12 | 北京东土军悦科技有限公司 | 视频图像拼接方法、装置和系统 |
CN108540754B (zh) * | 2017-03-01 | 2020-12-11 | 中国电信股份有限公司 | 用于视频监控中多视频拼接的方法、装置和系统 |
CN106973188A (zh) * | 2017-04-11 | 2017-07-21 | 北京图森未来科技有限公司 | 一种图像传输装置和方法 |
CN107027042B (zh) * | 2017-04-19 | 2020-08-07 | 中国电子科技集团公司电子科学研究院 | 一种基于多gpu的全景实时视频流处理方法及装置 |
CN108475416A (zh) * | 2017-06-30 | 2018-08-31 | 深圳市大疆创新科技有限公司 | 处理图像的方法和装置 |
CN107396068A (zh) * | 2017-08-30 | 2017-11-24 | 广州杰赛科技股份有限公司 | 全景视频同步拼接系统、方法及全景视频显示装置 |
CN107509033B (zh) * | 2017-09-20 | 2020-12-01 | 中国科学院长春光学精密机械与物理研究所 | 一种遥感相机图像实时采集处理系统 |
CN110870296A (zh) * | 2018-06-28 | 2020-03-06 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置、设备以及无人机 |
CN109286791A (zh) * | 2018-10-18 | 2019-01-29 | 北京旷视科技有限公司 | 一种多路图像传输方法、装置及其存储介质 |
CN110300285B (zh) * | 2019-07-17 | 2021-09-10 | 北京智行者科技有限公司 | 基于无人驾驶平台的全景视频采集方法及系统 |
CN110636219B (zh) * | 2019-09-03 | 2020-12-01 | 北京三快在线科技有限公司 | 一种视频数据流的传输方法及装置 |
CN110675465B (zh) * | 2019-09-23 | 2024-02-06 | 京东科技控股股份有限公司 | 用于生成图像的方法和装置 |
CN110620874B (zh) * | 2019-09-24 | 2021-09-10 | 北京智行者科技有限公司 | 一种用于平行驾驶的图像处理方法 |
CN110769206B (zh) * | 2019-11-19 | 2022-01-07 | 深圳开立生物医疗科技股份有限公司 | 一种电子内窥镜信号传输方法、装置和系统及电子设备 |
-
2020
- 2020-06-11 CN CN202010532042.5A patent/CN111741259B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107635105A (zh) * | 2016-07-19 | 2018-01-26 | 浙江星星冷链集成股份有限公司 | 一种利用双路摄像头进行拼接画面的装置 |
CN110278405A (zh) * | 2018-03-18 | 2019-09-24 | 北京图森未来科技有限公司 | 一种自动驾驶车辆的侧向图像处理方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111741259A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111741259B (zh) | 无人驾驶设备的控制方法及装置 | |
CN112036236B (zh) | 一种基于GhostNet的图像检测方法、设备及介质 | |
CN110162089B (zh) | 一种无人驾驶的仿真方法及装置 | |
CN112766241B (zh) | 一种目标物识别方法以及装置 | |
US10169053B2 (en) | Loading a web page | |
JP2022516534A (ja) | データ処理の方法、装置、機器及び記憶媒体 | |
CN112327864A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN112990099B (zh) | 一种车道线检测的方法以及装置 | |
CN117197781B (zh) | 一种交通标志识别的方法、装置、存储介质及电子设备 | |
CN108986253B (zh) | 用于多线程并行处理的存储数据方法和装置 | |
CN111426299B (zh) | 一种基于目标物的景深进行测距的方法及装置 | |
CN108153597B (zh) | 一种linux设备管理装置及方法 | |
CN116016816B (zh) | 一种改进l-orb算法的嵌入式gpu零拷贝全景图像拼接方法和系统 | |
US10135926B2 (en) | Shuffle embedded distributed storage system supporting virtual merge and method thereof | |
CN112734810B (zh) | 一种障碍物追踪方法及装置 | |
CN113696889A (zh) | 一种基于安全距离的无人驾驶设备控制方法及装置 | |
CN111539961A (zh) | 一种目标分割方法、装置以及设备 | |
US10037169B2 (en) | Image processing semiconductor device and image processing device | |
CN111524190B (zh) | 视觉定位网络的训练、无人驾驶设备的控制方法及装置 | |
CN111126365A (zh) | 一种数据采集方法及装置 | |
KR102524991B1 (ko) | 영상 프레임과 함께 주변 장치의 상태 정보를 저장하는 프레임 그래버 시스템 및 이를 이용한 카메라모듈 검사 방법, 컴퓨터 프로그램 및 컴퓨터 판독가능 기록 매체 | |
CN112492298B (zh) | 一种采集图像的方法及装置 | |
CN112631312B (zh) | 一种无人设备的控制方法、装置、存储介质及电子设备 | |
CN110262732B (zh) | 一种图片移动方法和装置 | |
CN112822125B (zh) | 一种业务流的传输方法、装置、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 |