CN112099508A - 自动驾驶车辆的数据管理方法和装置 - Google Patents
自动驾驶车辆的数据管理方法和装置 Download PDFInfo
- Publication number
- CN112099508A CN112099508A CN202011001627.0A CN202011001627A CN112099508A CN 112099508 A CN112099508 A CN 112099508A CN 202011001627 A CN202011001627 A CN 202011001627A CN 112099508 A CN112099508 A CN 112099508A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- information
- automatic driving
- navigation planning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013523 data management Methods 0.000 title claims abstract description 39
- 238000013439 planning Methods 0.000 claims abstract description 59
- 238000011156 evaluation Methods 0.000 claims description 22
- 230000004927 fusion Effects 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 19
- 230000006399 behavior Effects 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 7
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 14
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请公开了自动驾驶车辆的数据管理方法和装置，涉及自动驾驶技术领域。具体实现方案为：获取目标车辆上报的车辆数据，其中，车辆数据包括：定位信息；获取目标车辆的最新的导航规划信息；根据定位信息和导航规划信息获取自动驾驶所需的地图和云端数据；将车辆数据、导航规划信息和云端数据按照预定格式进行融合，得到融合数据。该实施方式实现了车辆自动驾驶数据、地图数据及外接环境数据的三方数据打通。能够帮助车辆获取更完整的外界信息，减少了由于传感器探测范围局限性带来的束缚，提高了自动驾驶预测的准确度和规划的合理性。地图可以获取车辆的真实驾驶情况和传感器硬件状态，能够帮助导航提供更合理的路线规划、决策和建议。
Description
技术领域
本申请涉及计算机技术领域，具体涉及自动驾驶技术。
背景技术
汽车自动驾驶技术可以划分为L1-L5共五个等级，其中具备L1、L2级智能辅助驾驶系统(ADAS)的车辆在市场上已初具规模，同时预计未来新车会逐步搭载具备L3级的自动驾驶产品。作为当前车辆最重要的地图导航却和逐步成熟的自动驾驶功能缺少数据同步和管理机制，一来导致自动驾驶功能无法获取到充足的外界信息进行正确的操作判断，二来地图因无法得知当前车辆行驶(自动驾驶或人工控制)的真实状态而无法提供最合理的行车建议。
目前市场上已有的具备L2-L3级自动驾驶功能的车辆由于地图和自动驾驶模块没有充分的信号沟通，会影响到地图导航的体验和自动驾驶功能的安全决策。由于车辆无法获取到外界环境的详细信息，自动驾驶功能无法对前方道路进行正确的预测规划。比如，当前方出现交通事故时，自动驾驶模块由于无法获取地图对路况的同步而无法及时避让；当车辆进入隧道时，摄像头受到光线影响而自动驾驶模块无法及时获知这一差异导致感知模块的不准确。同时，由于地图不了解当前的驾驶状态，导航过程中无法给出合适的引导策略和提示。
发明内容
本公开提供了一种自动驾驶车辆的数据管理方法、装置、设备以及存储介质。
根据本公开的第一方面，提供了一种自动驾驶车辆的数据管理方法，包括：获取目标车辆上报的车辆数据，其中，车辆数据包括：定位信息；获取目标车辆的最新的导航规划信息；根据定位信息和导航规划信息获取自动驾驶所需的地图和云端数据；将车辆数据、导航规划信息和云端数据按照预定格式进行融合，得到融合数据。
根据本公开的第二方面，提供了一种自动驾驶车辆的数据管理装置，包括：第一获取单元，被配置成获取目标车辆上报的车辆数据，其中，车辆数据包括：定位信息；第二获取单元，被配置成获取目标车辆的最新的导航规划信息；第三获取单元，被配置成根据定位信息和导航规划信息获取自动驾驶所需的地图和云端数据；融合单元，被配置成将车辆数据、导航规划信息和云端数据按照预定格式进行融合，得到融合数据。
根据本公开的第三方面，提供了一种电子设备，其特征在于，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中任一项的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，计算机指令用于使计算机执行第一方面中任一项的方法。
根据本申请的技术，提供了一套面向具备自动驾驶功能的车辆和云端地图数据管理方案，通过对车辆数据、地图数据以及云端数据多方数据的同步管理，能够帮助地图和车辆自动驾驶系统获取更广泛的信息源，做好导航规划和自动驾驶的预测决策。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的自动驾驶车辆的数据管理方法的一个实施例的流程图；
图3是根据本公开的自动驾驶车辆的数据管理方法的数据融合结构的示意图；
图4是根据本公开的自动驾驶车辆的数据管理方法的又一个实施例的流程图；
图5是根据本公开的自动驾驶车辆的数据管理方法的应用场景的示意图；
图6是根据本公开的自动驾驶车辆的数据管理装置的一个实施例的结构示意图；
图7是用来实现本申请实施例的自动驾驶车辆的数据管理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本申请的自动驾驶车辆的数据管理方法或自动驾驶车辆的数据管理装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括无人驾驶车辆101。
无人驾驶车辆101中安装有驾驶控制设备1011、网络1012和传感器1013，服务器102。网络1012用以在驾驶控制设备1011和传感器1013之间提供通信链路的介质。网络1012可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
驾驶控制设备(又称为车载大脑)1011负责无人驾驶车辆101的智能控制。驾驶控制设备1011可以是单独设置的控制器，例如可编程逻辑控制器(Programmable LogicController，PLC)、单片机、工业控制机等；也可以是由其他具有输入/输出端口，并具有运算控制功能的电子器件组成的设备；还可以是安装有车辆驾驶控制类应用的计算机设备。
需要说明的是，实践中无人驾驶车辆101中可以安装有至少一个传感器，例如，激光雷达、摄像机、重力传感器、轮速传感器等。某些情况下，无人驾驶车辆101中还可以安装有GNSS(Global Navigation Satellite S7stem，全球导航卫星系统)设备和SINS(Strap-down Inertial Navigation S7stem，捷联惯性导航系统)等等。
需要说明的是，本申请实施例所提供的自动驾驶车辆的数据管理方法一般由服务器102执行，相应地，自动驾驶车辆的数据管理装置一般设置于驾服务器102中。
应该理解，图1中的驾驶控制设备、网络、传感器、服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的驾驶控制设备、网络、传感器、服务器。
继续参考图2，其示出了根据本申请的自动驾驶车辆的数据管理方法的一个实施例的流程200。该自动驾驶车辆的数据管理方法，包括以下步骤：
步骤201，获取目标车辆上报的车辆数据。
在本实施例中，自动驾驶车辆的数据管理方法的执行主体(例如图1所示的服务器)可以通过无线连接方式从目标车辆接收车辆数据。其中，车辆数据可包括：定位信息。定位信息可通过GPS等工具获取。定位信息可用于后续的导航路线规划和云端信息获取。
可选地，车辆数据还可包括传感器状态和车辆行驶状态。提供多维度的数据可提高自动驾驶能力评估的准确性和导航规划的合理性。车辆数据的具体内容如下表1所示：
表1
其中，传感器的工作状态指的是传感器是否正常工作，异常工作的状态有多种，表明异常的理由，例如，摄像头被遮挡、激光雷达无法旋转等。
驾驶模式可包括人工驾驶和自动驾驶两大类。自动驾驶又可细分为L1-L5五个级别。导航状态可包括用户的导航偏好设置，例如，最短距离、时间最短等。导航状态还包括是否偏航。
步骤202，获取目标车辆的最新的导航规划信息。
在本实施例中，导航引擎同步最新的导航规划信息，主要为地图其他参与自动驾驶的辅助模块提供前方路线信息，对前方驾驶条件的预测提供充分准备。导航规划信息可以是例如，前方直行200米后遇到红绿灯右拐等。
步骤203，根据定位信息和导航规划信息获取自动驾驶所需的地图和云端数据。
在本实施例中，根据定位信息确定车辆当前位置，然后获取车辆按照导航规划信息即将行驶路段的地图。自动驾驶所需的云端数据可包括静态数据、动态数据和历史数据。提供多维度的数据可提高自动驾驶能力评估的准确性和导航规划的合理性，并保障车辆行驶的安全性。云端数据的主要内容可如表2所示：
表2
其中，人工驾驶通过前方道路时车辆回传的数据，指的是历史记录中所有人工驾驶的车辆的回传的数据进行统计后计算出的平均数据。根据定位信息和导航规划信息能够确定出前方道路。人工驾驶车辆在前方道路行驶时，车辆的传感器回传的数据可包括行驶轨迹、车速、操控信息(例如，变道、拐弯、刹车等)等。人工驾驶行为可以是原始的人工驾驶通过前方道路时车辆回传的数据，也可将人工驾驶通过前方道路时车辆回传的数据进行评估，用评估的级别来衡量人工驾驶行为。例如，1级表示人工驾驶车辆在前方路段未执行任何操作，表明前方道路状态良好。3级表示人工驾驶车辆在前方路段减速、变道，说明前方道路状态较差。
自动驾驶通过前方道路时车辆回传的数据指的是历史记录中所有自动驾驶的车辆的回传的数据进行统计后计算出的平均数据。自动驾驶车辆在前方道路行驶时，车辆的传感器回传的数据可包括行驶轨迹、车速、操控信息(例如，变道、拐弯、刹车等)、自动驾驶模式(例如，自动跟车、自动变道)等。自动驾驶行为可直接使用原始的自动驾驶通过前方道路时车辆回传的数据，也可将自动驾驶通过前方道路时车辆回传的数据进行评估，用评估的级别来衡量自动驾驶行为。例如，L5级表示自动驾驶车辆在前方路段完全自动驾驶，表明前方道路状态良好。L1级表示自动驾驶车辆在前方路段需要更多的人工参与，表示前方道路状态很差。
往期当前车辆使用自动驾驶时车辆回传的数据，指的是历史记录中目标车辆本身在所有道路上自动驾驶时车辆回传的数据，不限于前方道路。该数据反应的是该车辆本身的自动驾驶能力。可按道路类型进行统计，例如，前方为隧道时，目标车辆的自动驾驶能力为L1，前方为盘山路时，目标车辆的自动驾驶能力为L2等。
步骤204，将车辆数据、导航规划信息和云端数据按照预定格式进行融合，得到融合数据。
在本实施例中，由于车辆数据、导航规划信息、云端数据的数据格式不一致，需要通过数据整合将所有数据重组为后端模块可用格式。可将三种数据中具有共同点的数据组合在一起，例如，三种数据都包括位置信息，可将位置信息作为索引，归纳与位置有关的数据。
本公开的上述实施例提供的方法，实现了车辆自动驾驶数据、地图数据及外接环境数据的三方数据打通，方便数据查询、管理和分析。提高了数据读取效率，并节省存储空间。
在本实施例的一些可选的实现方式中，该方法还包括：将融合数据转化为历史数据并存储在云端。方便后续统计人工驾驶行为或自动驾驶行为时，不需要再做格式转换，直接进行融合。
在本实施例的一些可选的实现方式中，将车辆数据、导航规划信息和云端数据按照数据的适用范围划分为全局数据和单点数据；将全局数据按预定的全局数据格式进行组合；将单点数据按导航规划信息划分成至少一个路线片段；对于至少一个路线片段中每个路线片段，将该路线片段对应的单点数据按预定的单点数据格式进行组合；按照导航规划信息的行驶顺序将每个路线片段对应的单点数据进行组合。
其中，按照数据的适用范围被划分为全局数据及单点数据。根据导航规划信息可在前方可操控路段内维持不变的信息为全局数据，如：前方行驶路段的天气状况、车辆传感器的当前状况(预测时为固定值)、车辆自动驾驶记录。随着导航路线而发生变化的数据为单点数据，如道路信息、路况信息、当前路段的驾驶历史数据。这类数据需要根据导航规划的路线片段进行组合。从而便于数据统计、查询和管理。具体格式如图3所示。
进一步参考图4，其示出了自动驾驶车辆的数据管理方法的又一个实施例的流程400。该自动驾驶车辆的数据管理方法的流程400，包括以下步骤：
步骤401，获取目标车辆上报的车辆数据。
步骤402，获取目标车辆的最新的导航规划信息。
步骤403，根据定位信息和导航规划信息获取自动驾驶所需的地图和云端数据。
步骤404，将车辆数据、导航规划信息和云端数据按照预定格式进行融合，得到融合数据。
步骤401-404与步骤201-204基本相同，因此不再赘述。
步骤405，基于融合数据进行自动驾驶评估，得到自动驾驶评估结果。
在本实施例中，可将融合数据输入预先训练的评估模型，得到自动驾驶评估结果，用于衡量自动驾驶能力。评估模型可以是一种神经网络，训练过程中的样本为标记了自动驾驶能力的融合数据。将样本输入评估模型，得到的输出结果与标记的自动驾驶能力比对，然后调整模型的参数，直到达到训练完成条件，得到训练好的评估模型。
步骤406，将导航规划信息、自动驾驶评估结果和地图打包发送给目标车辆。
在本实施例中，导航规划信息、自动驾驶评估结果和地图是目标车辆可直接使用的数据，目标车辆根据自动驾驶评估结果控制自动驾驶模式的切换，例如，如果自动驾驶评估结果为前方道路不适用于自动驾驶，则可将目标车辆切换成人工驾驶模式。如果自动驾驶评估结果为前方道路状况良好，则可将目标车辆切换成L5自动驾驶模式。
从图4中可以看出，与图2对应的实施例相比，本实施例中的自动驾驶车辆的数据管理方法的流程400体现了对关键词进行扩展的步骤。由此，本实施例描述的方案能够帮助车辆的自动驾驶模块获取更完整的外界信息，丰富了感知纬度，减少了由于传感器探测范围局限性带来的束缚，提高了自动驾驶模块预测的准确度和规划的合理性。另一方面，地图可以获取车辆的真实驾驶情况和传感器硬件状态，能够帮助导航提供更合理的路线规划，提供更符合自动驾驶的决策和建议。此外，数据结构的重新组合能够提高两端信息沟通的效率，降低了同组数据的通讯频率。
继续参见图5，图5是根据本实施例的自动驾驶车辆的数据管理方法的应用场景的一个示意图。在图5的应用场景中，自动驾驶车辆的数据管理过程可由5个部分组成：
1.车辆数据上报：车辆自动驾驶单元收集定位信息、传感器状态、行驶状态等车辆数据。然后通过车机地图上报到地图云端。车辆上报的数据主要包括的信息的主要内容可参照表1。
2.导航规划同步：导航引擎同步最新的导航规划，主要为地图其他参与自动驾驶的辅助模块提供前方路线信息，对前方驾驶条件的预测提供充分准备。
3.云端数据获取：根据车辆的定位和导航规划，获取地图和自动驾驶所需的云端信息。需要通过地图获取的云端数据的主要内容可参照表2。
4.数据融合：由于上述步骤提供的三种数据格式不一致，需要通过数据整合将所有数据重组为后端模块可用格式。按照数据的适用范围被划分为全局数据及单点数据。根据导航信息可在前方可操控路段内维持不变的信息为全局数据，如：前方行驶路段的天气状况、车辆传感器的当前状况(预测时为固定值)、车辆自动驾驶记录。随着导航路线而发生变化的数据为单点数据，如道路信息、路况信息、当前路段的驾驶历史数据。这类数据需要根据导航规划的路线片段进行组合。可参考图3所示。
5.云端数据推送：云端数据推送将融合好的数据结构推送给地图的自动驾驶决策系统和存储模块。自动驾驶决策系统根据融合数据评估前方路段适合的自动驾驶功能和危险信息，数据存储模块将融合信息转化为历史数据并存储在云端。
6.数据下发：地图将导航策略、自动驾驶评估结果以及地图数据打包发送给车机地图。
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种自动驾驶车辆的数据管理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的自动驾驶车辆的数据管理装置600包括：第一获取单元601、第二获取单元602、第三获取单元603、融合单元604。其中，第一获取单元601，被配置成获取目标车辆上报的车辆数据，其中，车辆数据包括：定位信息；第二获取单元602，被配置成获取目标车辆的最新的导航规划信息；第三获取单元603，被配置成根据定位信息和导航规划信息获取自动驾驶所需的地图和云端数据；融合单元604，被配置成将车辆数据、导航规划信息和云端数据按照预定格式进行融合，得到融合数据。
在本实施例中，自动驾驶车辆的数据管理装置600的第一获取单元601、第二获取单元602、第三获取单元603、融合单元604的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在本实施例的一些可选的实现方式中，装置600还包括评估单元(附图中未示出)，被配置成：基于融合数据进行自动驾驶评估，得到自动驾驶评估结果；将导航规划信息、自动驾驶评估结果和地图打包发送给目标车辆。
在本实施例的一些可选的实现方式中，装置600还包括存储单元(附图中未示出)，被配置成：将融合数据转化为历史数据并存储在云端。
在本实施例的一些可选的实现方式中，车辆数据还包括：传感器状态、车辆行驶状态。
在本实施例的一些可选的实现方式中，云端数据包括：静态数据、动态数据和历史数据；静态数据包括：道路信息和道路周围固定对象信息；动态数据包括：实时路况信息和天气信息；历史数据包括：人工驾驶历史行为、自动驾驶历史行为、当前车辆自动驾驶记录。
在本实施例的一些可选的实现方式中，将车辆数据、导航规划信息和云端数据按照预定格式进行融合，得到融合数据，包括：将车辆数据、导航规划信息和云端数据按照数据的适用范围划分为全局数据和单点数据；将全局数据按预定的全局数据格式进行组合；将单点数据按导航规划信息划分成至少一个路线片段；对于至少一个路线片段中每个路线片段，将该路线片段对应的单点数据按预定的单点数据格式进行组合；按照导航规划信息的行驶顺序将每个路线片段对应的单点数据进行组合。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的自动驾驶车辆的数据管理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的自动驾驶车辆的数据管理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的自动驾驶车辆的数据管理方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的自动驾驶车辆的数据管理方法对应的程序指令/模块(例如，附图6所示的第一获取单元601、第二获取单元602、第三获取单元603、融合单元604)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的自动驾驶车辆的数据管理方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据自动驾驶车辆的数据管理电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至自动驾驶车辆的数据管理电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
自动驾驶车辆的数据管理方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与自动驾驶车辆的数据管理电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，实现了车辆自动驾驶数据、地图数据及外接环境数据的三方数据打通。一方面，该机制能够帮助车辆的自动驾驶模块获取更完整的外界信息，丰富了感知纬度，减少了由于传感器探测范围局限性带来的束缚，提高了自动驾驶模块预测的准确度和规划的合理性。另一方面，地图可以获取车辆的真实驾驶情况和传感器硬件状态，能够帮助导航提供更合理的路线规划，提供更符合自动驾驶的决策和建议。此外，数据结构的重新组合能够提高两端信息沟通的效率，降低了同组数据的通讯频率。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (14)
1.一种自动驾驶车辆的数据管理方法，包括：
获取目标车辆上报的车辆数据，其中，所述车辆数据包括：定位信息；
获取所述目标车辆的最新的导航规划信息；
根据所述定位信息和所述导航规划信息获取自动驾驶所需的地图和云端数据；
将所述车辆数据、所述导航规划信息和所述云端数据按照预定格式进行融合，得到融合数据。
2.根据权利要求1所述的方法，其中，所述方法还包括：
基于所述融合数据进行自动驾驶评估，得到自动驾驶评估结果；
将所述导航规划信息、所述自动驾驶评估结果和所述地图打包发送给所述目标车辆。
3.根据权利要求1所述的方法，其中，所述方法还包括：
将所述融合数据转化为历史数据并存储在云端。
4.根据权利要求1所述的方法，其中，所述车辆数据还包括：传感器状态、车辆行驶状态。
5.根据权利要求4所述的方法，其中，所述云端数据包括：静态数据、动态数据和历史数据；
所述静态数据包括：道路信息和道路周围固定对象信息；
所述动态数据包括：实时路况信息和天气信息；
所述历史数据包括：人工驾驶历史行为、自动驾驶历史行为、当前车辆自动驾驶记录。
6.根据权利要求5所述的方法，其中，所述将所述车辆数据、所述导航规划信息和所述云端数据按照预定格式进行融合，得到融合数据，包括：
将所述车辆数据、所述导航规划信息和所述云端数据按照数据的适用范围划分为全局数据和单点数据；
将所述全局数据按预定的全局数据格式进行组合；
将所述单点数据按所述导航规划信息划分成至少一个路线片段；
对于所述至少一个路线片段中每个路线片段，将该路线片段对应的单点数据按预定的单点数据格式进行组合；
按照所述导航规划信息的行驶顺序将每个路线片段对应的单点数据进行组合。
7.一种自动驾驶车辆的数据管理装置，包括：
第一获取单元，被配置成获取目标车辆上报的车辆数据，其中，所述车辆数据包括：定位信息；
第二获取单元，被配置成获取所述目标车辆的最新的导航规划信息；
第三获取单元，被配置成根据所述定位信息和所述导航规划信息获取自动驾驶所需的地图和云端数据；
融合单元，被配置成将所述车辆数据、所述导航规划信息和所述云端数据按照预定格式进行融合，得到融合数据。
8.根据权利要求7所述的装置，其中，所述装置还包括评估单元，被配置成：
基于所述融合数据进行自动驾驶评估，得到自动驾驶评估结果；
将所述导航规划信息、所述自动驾驶评估结果和所述地图打包发送给所述目标车辆。
9.根据权利要求7所述的装置，其中，所述装置还包括存储单元，被配置成：
将所述融合数据转化为历史数据并存储在云端。
10.根据权利要求7所述的装置，其中，所述车辆数据还包括：传感器状态、车辆行驶状态。
11.根据权利要求10所述的装置，其中，所述云端数据包括：静态数据、动态数据和历史数据；
所述静态数据包括：道路信息和道路周围固定对象信息；
所述动态数据包括：实时路况信息和天气信息；
所述历史数据包括：人工驾驶历史行为、自动驾驶历史行为、当前车辆自动驾驶记录。
12.根据权利要求11所述的装置，其中，所述将所述车辆数据、所述导航规划信息和所述云端数据按照预定格式进行融合，得到融合数据，包括：
将所述车辆数据、所述导航规划信息和所述云端数据按照数据的适用范围划分为全局数据和单点数据；
将所述全局数据按预定的全局数据格式进行组合；
将所述单点数据按所述导航规划信息划分成至少一个路线片段；
对于所述至少一个路线片段中每个路线片段，将该路线片段对应的单点数据按预定的单点数据格式进行组合；
按照所述导航规划信息的行驶顺序将每个路线片段对应的单点数据进行组合。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011001627.0A CN112099508A (zh) | 2020-09-22 | 2020-09-22 | 自动驾驶车辆的数据管理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011001627.0A CN112099508A (zh) | 2020-09-22 | 2020-09-22 | 自动驾驶车辆的数据管理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112099508A true CN112099508A (zh) | 2020-12-18 |
Family
ID=73755795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011001627.0A Pending CN112099508A (zh) | 2020-09-22 | 2020-09-22 | 自动驾驶车辆的数据管理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112099508A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113008250A (zh) * | 2021-02-20 | 2021-06-22 | 京东鲲鹏(江苏)科技有限公司 | 无人车导航方法和装置 |
| CN113132474A (zh) * | 2021-04-14 | 2021-07-16 | 东软睿驰汽车技术（沈阳）有限公司 | 一种自动驾驶车辆的控制方法、装置及设备 |
| CN114485710A (zh) * | 2022-01-19 | 2022-05-13 | 北京百度网讯科技有限公司 | 一种地图导航的方法、系统、装置、电子设备及存储介质 |
| CN114812578A (zh) * | 2021-01-29 | 2022-07-29 | 中交宇科（北京）空间信息技术有限公司 | 一种动态地图的提供方法、装置及服务平台 |
| CN116182879A (zh) * | 2023-04-25 | 2023-05-30 | 中通服建设有限公司 | 一种智能自动驾驶系统 |
| WO2023140776A1 (en) * | 2022-01-21 | 2023-07-27 | Klimator Ab | A method and system for determining an optimized forecast relating to weather or a road condition |
| CN118025235A (zh) * | 2024-04-12 | 2024-05-14 | 智道网联科技(北京)有限公司 | 自动驾驶场景理解方法、装置及系统、电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107024927A (zh) * | 2016-02-01 | 2017-08-08 | 上海无线通信研究中心 | 一种自动驾驶系统和方法 |
| US20180273032A1 (en) * | 2015-11-30 | 2018-09-27 | Huawei Technologies Co., Ltd. | Automatic Driving Navigation Method, Apparatus, and System, In-Vehicle Terminal, and Server |
| CN109285373A (zh) * | 2018-08-31 | 2019-01-29 | 南京锦和佳鑫信息科技有限公司 | 一种面向整体道路网的智能网联交通系统 |
| US20190311616A1 (en) * | 2018-04-10 | 2019-10-10 | Cavh Llc | Connected and automated vehicle systems and methods for the entire roadway network |
| CN110335441A (zh) * | 2019-07-30 | 2019-10-15 | 江苏驭道数据科技有限公司 | 一种道路运输车辆驾驶行为风险动态评价系统 |
| JP2020038360A (ja) * | 2018-08-31 | 2020-03-12 | 株式会社デンソー | 車両側装置、方法および記憶媒体 |
| US20200174475A1 (en) * | 2018-11-29 | 2020-06-04 | Electronics And Telecommunications Research Institute | Autonomous driving method and system |
-
2020
- 2020-09-22 CN CN202011001627.0A patent/CN112099508A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180273032A1 (en) * | 2015-11-30 | 2018-09-27 | Huawei Technologies Co., Ltd. | Automatic Driving Navigation Method, Apparatus, and System, In-Vehicle Terminal, and Server |
| CN107024927A (zh) * | 2016-02-01 | 2017-08-08 | 上海无线通信研究中心 | 一种自动驾驶系统和方法 |
| US20190311616A1 (en) * | 2018-04-10 | 2019-10-10 | Cavh Llc | Connected and automated vehicle systems and methods for the entire roadway network |
| CN109285373A (zh) * | 2018-08-31 | 2019-01-29 | 南京锦和佳鑫信息科技有限公司 | 一种面向整体道路网的智能网联交通系统 |
| JP2020038360A (ja) * | 2018-08-31 | 2020-03-12 | 株式会社デンソー | 車両側装置、方法および記憶媒体 |
| US20200174475A1 (en) * | 2018-11-29 | 2020-06-04 | Electronics And Telecommunications Research Institute | Autonomous driving method and system |
| CN110335441A (zh) * | 2019-07-30 | 2019-10-15 | 江苏驭道数据科技有限公司 | 一种道路运输车辆驾驶行为风险动态评价系统 |
Non-Patent Citations (1)
| Title |
|---|
| 宋传增: "智能网联汽车技术概论", 机械工业出版社, pages: 135 - 138 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114812578A (zh) * | 2021-01-29 | 2022-07-29 | 中交宇科（北京）空间信息技术有限公司 | 一种动态地图的提供方法、装置及服务平台 |
| CN113008250A (zh) * | 2021-02-20 | 2021-06-22 | 京东鲲鹏(江苏)科技有限公司 | 无人车导航方法和装置 |
| CN113132474A (zh) * | 2021-04-14 | 2021-07-16 | 东软睿驰汽车技术（沈阳）有限公司 | 一种自动驾驶车辆的控制方法、装置及设备 |
| CN114485710A (zh) * | 2022-01-19 | 2022-05-13 | 北京百度网讯科技有限公司 | 一种地图导航的方法、系统、装置、电子设备及存储介质 |
| WO2023140776A1 (en) * | 2022-01-21 | 2023-07-27 | Klimator Ab | A method and system for determining an optimized forecast relating to weather or a road condition |
| CN116182879A (zh) * | 2023-04-25 | 2023-05-30 | 中通服建设有限公司 | 一种智能自动驾驶系统 |
| CN118025235A (zh) * | 2024-04-12 | 2024-05-14 | 智道网联科技(北京)有限公司 | 自动驾驶场景理解方法、装置及系统、电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112099508A (zh) | 自动驾驶车辆的数据管理方法和装置 | |
| CN110556012B (zh) | 车道定位方法及车辆定位系统 | |
| US11714413B2 (en) | Planning autonomous motion | |
| US10514692B2 (en) | Intervention in operation of a vehicle having autonomous driving capabilities | |
| CN111649739B (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
| US20210341915A1 (en) | Intervention in operation of a vehicle having autonomous driving capabilities | |
| CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
| CN110998469A (zh) | 对具有自主驾驶能力的车辆的操作进行干预 | |
| CN111583668A (zh) | 交通拥堵检测方法、装置、电子设备和存储介质 | |
| US20200097009A1 (en) | Systems and Methods for Automated Testing of Autonomous Vehicles | |
| CN110823237B (zh) | 起点绑路及预测模型获取方法、装置及存储介质 | |
| CN111076716B (zh) | 用于车辆定位的方法、装置、设备和计算机可读存储介质 | |
| CN113119999A (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
| WO2023167834A1 (en) | Systems and methods for performing data collection missions | |
| EP3454269A1 (en) | Planning autonomous motion | |
| KR102519496B1 (ko) | 차량 가속도계 전진축을 캘리브레이션하는 방법 및 장치 | |
| CN114689074A (zh) | 信息处理方法和导航方法 | |
| KR102419526B1 (ko) | 자율 주행 차량에 대한 필드 이론 기반 인지 | |
| US20240230366A1 (en) | Handling Unmapped Speed Limit Signs | |
| US20240010211A1 (en) | Systems and methods for selectively using a vehicle trajectory | |
| US20240151817A1 (en) | Systems and methods for static detection based amodalization placement | |
| EP4181089A1 (en) | Systems and methods for estimating cuboid headings based on heading estimations generated using different cuboid defining techniques | |
| US20240166245A1 (en) | Mutual monitoring of high-performance computing (hpc) systems to control vehicle operation | |
| US20240175712A1 (en) | Simulation Platform for Vector Map Live Updates | |
| US11680808B2 (en) | Map selection device, storage medium storing computer program for map selection and map selection method |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211011 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 2 / F, baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right |