CN112255931A - 数据处理方法、装置、存储介质及电子设备 - Google Patents
数据处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112255931A CN112255931A CN202011080038.6A CN202011080038A CN112255931A CN 112255931 A CN112255931 A CN 112255931A CN 202011080038 A CN202011080038 A CN 202011080038A CN 112255931 A CN112255931 A CN 112255931A
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- preset
- target
- policy
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 142
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000004088 simulation Methods 0.000 claims abstract description 114
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 230000001960 triggered effect Effects 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 25
- 230000033001 locomotion Effects 0.000 description 13
- 230000001133 acceleration Effects 0.000 description 12
- 238000012795 verification Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本公开涉及一种数据处理方法、装置、存储介质及电子设备，以得到更符合实际情况的车辆仿真数据。该数据处理方法包括：获取待处理的初始数据，初始数据是车辆仿真系统根据接收到的仿真控制指令进行动力学解算得到的；响应于用户触发的数据处理配置操作，确定对初始数据的目标处理策略；根据目标处理策略对初始数据进行处理。
Description
技术领域
本公开涉及车辆仿真技术领域，具体地，涉及一种数据处理方法、装置、存储介质及电子设备。
背景技术
自动驾驶仿真系统为自动驾驶算法的验证提供了方便的条件。在算法验证中，算法向被控车辆发送油门、刹车、转向等控制指令，仿真系统根据这些指令计算被控车辆的运动状态，然后向算法发送被控车辆的速度、加速度等信号、以及周围车辆相对于被控车辆的位置和速度等信号，最后算法对这些信号进行处理从而完成对被控车辆的控制。
相关技术中的自动驾驶仿真系统通常是根据控制指令来计算主车的运动状态，然后直接把速度、加速度等信号给到算法。通过此种方式，得到的是理想状态下的车辆运动数据，无法得到符合车辆实际运动状态的数据，从而影响对于自动驾驶算法的仿真验证。
发明内容
本公开的目的是提供一种数据处理方法、装置、存储介质及电子设备，以得到更符合实际情况的车辆仿真数据。
为了实现上述目的，第一方面，本公开提供一种数据处理方法，应用于车辆仿真系统，包括：
获取待处理的初始数据，上述初始数据是上述车辆仿真系统根据接收到的仿真控制指令进行动力学解算得到的；
响应于用户触发的数据处理配置操作，确定对上述初始数据的目标处理策略；
根据上述目标处理策略对上述初始数据进行处理。
可选地，上述目标处理策略包括延时策略、噪声策略和异常数据策略中的至少一者，其中，上述延时策略用于对数据进行延时处理，上述噪声策略用于生成数据对应的噪声数据，上述异常数据策略用于生成数据对应的异常数据；
上述根据上述目标处理策略对上述初始数据进行处理，包括：
按照上述延时策略，对上述初始数据进行处理，得到第一目标数据；
按照上述噪声策略，对上述第一目标数据进行处理，得到第二目标数据；
按照上述异常数据策略，对上述第二目标数据进行处理，得到第三目标数据。
可选地，上述延时策略用于将上述数据沿时间轴平移预设延迟时长，上述噪声策略用于生成上述数据对应的高斯噪声，上述异常数据策略用于按照预设时间间隔生成上述数据对应的异常数据。
可选地，上述延时策略用于对上述数据进行如下处理：
确定上述车辆仿真系统的仿真间隔时长，并确定上述预设延迟时长除以上述仿真间隔时长的商和余数；
根据上述预设延迟时长除以上述仿真间隔时长的商和余数，对上述数据进行线性插值，以使上述数据沿时间轴平移上述预设延迟时长。
可选地，上述根据上述预设延迟时长除以上述仿真间隔时间的商和余数，对上述数据进行线性插值，包括：
按照如下方式，根据上述预设延迟时长除以上述仿真间隔时间的商和余数，对上述数据进行线性插值：
其中，xdelay(n)表示线性插值后得到的数据，x(n)表示线性插值前的数据，T表示仿真间隔时长，q表示预设延迟时长除以仿真间隔时间的商，r表示预设延迟时长除以仿真间隔时间的余数。
可选地，上述噪声策略用于对上述数据进行如下处理：
响应于上述用户触发的、用于选择上述高斯噪声的标准差不变的操作，根据预设标准差和上述数据的均值，计算上述数据对应的高斯噪声；
响应于上述用户触发的、用于选择上述高斯噪声的标准差可变的操作，当上述数据的绝对值大于预设阈值时，根据上述数据的绝对值和第一预设系数确定用于计算上述高斯噪声的目标标准差；当上述数据的绝对值小于或等于上述预设阈值时，根据上述数据对应的预设最大值和第二预设系数确定用于计算上述高斯噪声的目标标准差，上述第一预设系数小于上述第二预设系数；根据上述目标标准差和上述数据的均值，计算上述数据对应的高斯噪声。
可选地，上述异常数据策略用于对上述数据进行如下处理：
确定上述数据对应的采样时刻为上述预设时间间隔的整数倍；
确定上述数据对应的最大值，在上述最大值的绝对值和上述最大值的绝对值所对应的负值之间确定一随机数，将上述数据替换为上述随机数。
第三方面，本公开还提供一种数据处理装置，应用于车辆仿真系统，包括：
获取模块，用于获取待处理的初始数据，上述初始数据是上述车辆仿真系统根据接收到的仿真控制指令进行动力学解算得到的；
确定模块，用于响应于用户触发的数据处理配置操作，确定对上述初始数据的目标处理策略；
处理模块，用于根据上述目标处理策略对上述初始数据进行处理。
第三方面，本公开还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第一方面中任一上述方法的步骤。
第四方面，本公开还提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行上述存储器中的上述计算机程序，以实现第一方面中任一上述方法的步骤。
通过上述技术方案，通过本公开提供的数据处理方法，可以根据用户触发的数据处理配置操作，对仿真系统根据接收到的仿真控制指令进行动力学解算而得到的初始数据进行数据处理，比如可以对初始数据添加噪声、异常值和传输时延中至少一者的影响，得到更符合车辆实际运动状态的仿真数据，使仿真结果更符合车辆实际的运动状态，从而更准确地验证自动驾驶算法的可靠性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据本公开一示例性实施例示出的一种数据处理方法的流程图；
图2是根据本公开另一示例性实施例示出的一种数据处理方法的流程图；
图3是根据本公开一示例性实施例示出的一种数据处理方法中延时策略对数据进行处理的过程示意图；
图4是根据本公开一示例性实施例示出的一种数据处理方法中噪声策略对数据进行处理的流程示意图；
图5是根据本公开一示例性实施例示出的一种数据处理装置的框图；
图6是根据本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
自动驾驶仿真系统为自动驾驶算法的验证提供了方便的条件。在算法验证中，算法向被控车辆发送油门、刹车、转向等控制指令，仿真系统根据这些指令计算被控车辆的运动状态，然后向算法发送被控车辆的速度、加速度等信号、以及周围车辆相对于被控车辆的位置和速度等信号，最后算法对这些信号进行处理从而完成对被控车辆的控制。在这一过程中，仿真系统向算法传输的数据需要尽可能符合真实世界的情形，比如被控车辆的动力学要准确，摄像头信号要考虑畸变、炫光、噪点等因素的影响，被控车辆的速度、加速度等信号要符合真实传感器的输出。
在现实世界中，车辆的速度、角速度、角加速度、纵向加速度、侧向加速度、发动机转速等这些车辆本身的信号是通过霍尔传感器、陀螺仪等传感器得到的，传感器把这些信号通过车辆总线(如CAN总线)传到控制单元ECU中，由于电磁干扰、振动等因素，传感器给信号带来的噪声是不可避免的。在一些极端工况下，传感器的输出信号甚至出现异常值，当总线负载率比较高时，信号的延迟往往不能忽略，这些因素对自动驾驶算法提出了更高的要求，在仿真系统中考虑信号的噪声、异常值、时延是十分必要的。
但是，相关技术中的自动驾驶仿真系统根据控制指令来计算主车的运动，然后直接把速度、加速度等信号给到算法，没有同时考虑到传感器噪声、异常值和时延等因素。例如，动力学软件CarSim的动力学精度很高，可以用于自动驾驶仿真，但输出的车速等信号是直接通过动力学求解得到的，没有考虑传感器和总线传输对信号的影响。又例如，3D动态模拟器Gazebo包含多个物理引擎，有丰富的机器人模型库和传感器库，可用于自动驾驶仿真，虽然Gazebo中可以对惯性测量单元IMU输出的角速度信号和角加速度信号增加噪声，但信号的延时和异常数据没有考虑。
有鉴于此，本公开提供一种数据处理方法、装置、存储介质及电子设备，以根据用户的数据处理配置操作，得到更加符合车辆实际运动状态的仿真数据，从而提升车辆自动驾驶仿真测试的准确性。
图1是根据本公开一示例性实施例示出的一种数据处理方法的流程图。该数据处理方法可以应用于车辆仿真系统，包括：
步骤101，获取待处理的初始数据，该初始数据是车辆仿真系统根据接收到的仿真控制指令进行动力学解算得到的。
步骤102，响应于用户触发的数据处理配置操作，确定对初始数据的目标处理策略。
步骤103，根据目标处理策略对初始数据进行处理。
通过本公开提供的数据处理方法，可以根据用户触发的数据处理配置操作，对仿真系统根据接收到的仿真控制指令进行动力学解算而得到的初始数据进行数据处理，比如可以对初始数据添加噪声、异常值和传输时延中至少一者的影响，得到更符合车辆实际运动状态的仿真数据，使仿真结果更符合车辆实际的运动状态，从而更准确地验证自动驾驶算法的可靠性。
示例地，车辆仿真系统可以根据接收到的仿真控制指令进行动力学解算，得到待处理的初始数据。在此之后，用户可以根据实际需求选择是否对初始数据进行延时处理、噪声添加处理以及异常数据添加处理，即用户可以根据实际需求确定对该初始数据的目标处理策略。
例如，用户触发的数据处理配置操作表征对初始数据进行延时处理，则可以确定对初始数据的目标处理策略包括延时策略，该延时策略可以用于对数据进行延时处理。又例如，用户触发的数据处理配置操作表征对初始数据进行噪声添加处理，则可以确定对初始数据的目标处理策略包括噪声策略，该噪声策略可以用于生成初始数据对应的噪声数据。又例如，用户触发的数据处理配置操作表征对初始数据进行异常数据添加处理，则可以确定对初始数据的目标处理策略包括异常数据策略，该异常数据策略可以用于生成初始数据对应的异常数据。
当然，在其他可能的方式中，根据用户需求确定的目标处理策略还可以包括多种数据处理策略。比如，目标处理策略包括延时策略和噪声策略，或者目标处理策略包括延时策略和异常数据策略，等等。
在可能的方式中，目标处理策略包括延时策略、噪声处理和异常数据策略中的至少一者，其中，延时策略用于对数据进行延时处理，噪声策略用于生成数据对应的噪声，异常数据策略用于生成数据对应的异常数据。相应地，根据目标处理策略对初始数据进行处理可以是：先按照延时策略，对初始数据进行处理，得到第一目标数据，接着按照噪声策略，对第一目标数据进行处理，得到第二目标数据，最后按照异常数据策略，对第二目标数据进行处理，得到第三目标数据。
也即是说，参照图2，本公开提供的数据处理方法可以包括以下步骤：
步骤201，获取待处理的初始数据，该初始数据是车辆仿真系统根据接收到的仿真控制指令进行动力学解算得到的。
步骤202，响应于用户触发的数据处理配置操作，确定初始数据的目标处理策略包括延时策略、噪声策略和异常数据策略。
步骤203，按照延时策略，对初始数据进行处理，得到第一目标数据。
步骤204，按照噪声策略，对第一目标数据进行处理，得到第二目标数据。
步骤205，按照异常数据策略，对第二目标数据进行处理，得到第三目标数据。
也即是说，若用户确定需要对初始数据同时进行延时处理、噪声添加处理和异常数据添加处理，则可以按序对初始数据进行延时处理、噪声添加处理和异常数据添加处理，以模拟真实传感器的数据，得到更符合实际情况的仿真数据。
应当理解的是，在本公开实施例中，若用户触发的数据处理配置操作未表征任何数据处理策略，则可以将仿真系统根据接收到的仿真控制指令进行动力学解算得到的初始数据直接发送给自动驾驶算法。若用户触发的数据处理配置操作表征有目标处理策略，则可以按照目标处理策略对仿真系统根据接收到的仿真控制指令进行动力学解算得到的初始数据进行处理后发送给自动驾驶算法。也即是说，本公开可以根据用户实际需求对车辆仿真数据进行灵活设置，既可以使得仿真数据更加符合实际情况，还可以更好的适用于各种车辆仿真场景。
下面对延时策略、噪声策略和异常数据策略进行详细举例说明。
在可能的方式中，延时策略可以用于将数据沿时间轴平移预设延迟时长，噪声策略可以用于生成数据对应的高斯噪声，异常数据策略可以用于按照预设时间间隔生成数据对应的异常数据。
对于延时策略，首先应当理解的是，虽然通过拉普拉斯变换和数值积分可以对数据进行延时处理，但计算复杂，会增加仿真系统的计算量。而在本公开实施例中可以将数据沿时间轴平移预设延迟时长，以实现对数据的延时处理。此种方式计算简单，不会给仿真系统增加过多计算量。
在汽车控制器和仿真系统中，出于安全性和稳定性等方面考虑，大部分采用定步长，仿真间隔时长固定。因此，在可能的方式中，为了实现数据的延时，延时策略可以对数据进行如下处理：先确定车辆仿真系统的仿真间隔时长，并确定预设延迟时长除以仿真间隔时长的商和余数，然后根据预设延迟时长除以仿真间隔时间的商和余数，对数据进行线性插值，以使数据沿时间轴平移预设延迟时长。
示例地，本公开实施例中默认车辆仿真系统是定步长的，车辆仿真系统的仿真间隔时长不变。例如，仿真间隔时长表示为T，在第n个步长下得到的原始数据可以表示为y(n)，经过延时处理后得到的数据可以表示为ydelay(n)。当用户选择不进行延时处理时，ydelay(n)等于y(n)。当用户选择进行延时处理时，则可以根据预设延迟时长除以仿真间隔时长的商和余数，对数据进行线性插值，以使数据沿时间轴平移预设延迟时长。其中，预设延迟时长可以根据实际情况设定，本公开实施例对此不作限定。应当理解的是预设延迟时长越大，则最终得到的数据延时越大，预设延迟时长越小，则最终得到的数据延时越小。
在可能的方式中，可以按照如下方式，根据预设延迟时长除以仿真间隔时间的商和余数，对数据进行线性插值：
其中，xdelay(n)表示线性插值后得到的数据，x(n)表示线性插值前的数据，T表示仿真间隔时长，q表示预设延迟时长除以仿真间隔时间的商，r表示预设延迟时长除以仿真间隔时间的余数。
例如，参照图3，预设延迟时长为ΔT，按照上述方式对数据进行线性差值后，可以得到数据x(n)对应的数据xdelay(n)。并且，数据xdelay(n)与数据x(n)之间的延时为ΔT。应当理解的是，在仿真刚开始时，x(n)的前n秒可能没有数据。因此，当n小于q+1时，xdelay(n)等于x(n)。
通过上述方式，可以将数据沿时间轴平移预设延迟时长实现对数据的延时处理，从而可以将实际传输数据过程中的延时添加到初始数据中，得到更符合实际情况的仿真数据，进而更准确地实现对自动驾驶算法的仿真验证。并且，本公开实施例中的延时处理方式，无需复杂的计算过程，不会给仿真系统增加过多计算量。
对于噪声策略，本公开实施例可以通过高斯噪声模拟传感器实际工作中产生的噪声。若噪声处理前的数据表示为y(n)'，噪声处理后的数据表示为ynoise(n)，当用户选择不进行噪声处理时，数据ynoise(n)等于数据y(n)'。当用户选择进行噪声处理时，则可以根据噪声策略生成数据y(n)'对应的高斯噪声。
在可能的方式中，噪声策略可以用于对数据进行如下处理：响应于用户触发的、用于选择高斯噪声的标准差不变的操作，根据预设标准差和数据的均值，计算数据对应的高斯噪声；响应于用户触发的、用于选择高斯噪声的标准差可变的操作，当数据的绝对值大于预设阈值时，根据数据的绝对值和第一预设系数确定用于计算高斯噪声的目标标准差；当数据的绝对值小于或等于预设阈值时，根据数据对应的预设最大值和第二预设系数确定用于计算高斯噪声的目标标准差，第一预设系数小于第二预设系数；根据目标标准差和数据的均值，计算数据对应的高斯噪声。
示例地，预设阈值可以根据数据类型不同而进行不同的设置，比如预设阈值可以设定为2％·|x|max。其中，|x|max为数据的绝对值在大多数情况下的最大值，数据含义不同，|x|max取值不同。比如，|x|max对于车速可以是200km/h，对于侧向和纵向加速度可以是1g(9.8m/s2)，对于发动机转速可以是7000rpm。应当理解的是，上述仅是对预设阈值的举例说明，并不用于限制本公开。
示例地，第一预设系数和第二预设系数可以根据实际情况设定，本公开实施例对此不作限定。例如，第一预设系数可以设定为5％，第二预设系数可以设定为1％。参照图4，当用户选择高斯噪声的标准差不变时，可以采用预先定义的标准差σdefine。当用户选择高斯噪声的标准差可变时，可以根据数据大小的不同，通过不同的计算方式确定用于计算高斯噪声的标准差。具体的，预设阈值设定为2％·|x|max。当数据的绝对值大于预设阈值时，可以根据数据的绝对值和第一预设系数确定用于计算高斯噪声的目标标准差为：5％·|x|。当数据的绝对值小于预设阈值时，可以根据数据对应的预设最大值和第二预设系数确定用于计算高斯噪声的目标标准差为：1％·|x|max。然后，可以根据上述方式得到的用于计算高斯噪声的标准差和数据的均值计算高斯噪声。
应当理解的是，本公开实施例该方案面向主车速度、加速度、角速度、角加速度、发动机转速等车辆本身的信号，通过高斯噪声来模拟噪声，激光雷达、毫米波雷达、摄像头等传感器还受天气、遮挡等因素的影响，其输出的信号不在公开实施例的应用范围内。
通过上述方式，可以对车辆仿真过程中的数据添加高斯噪声，从而模拟出车辆实际运动过程中由于电磁干扰、振动等因素产生的噪声，使得仿真数据更符合实际车辆运动情况，从而更准确地实现对自动驾驶算法的仿真验证。
对于异常数据策略，本公开实施例可以按照预设时间间隔生成数据对应的异常数据。示例地，该异常数据可以是数据为空或者突变的不合理的数值。在实际的汽车传感器输出的数据中，异常数据几乎不会出现，但还是可能存在，并且对异常数据处理不当往往会造成严重的后果。因此，在自动驾驶仿真系统中，为了更好地验证自动驾驶算法可靠性，考虑异常数据的影响是十分必要的。
在可能的方式中，异常数据策略可以用于对数据进行如下处理：先确定数据对应的采样时刻为预设时间间隔的整数倍，然后确定该数据对应的最大值，并在最大值的绝对值和最大值的绝对值所对应的负值之间确定一随机数，最后将该数据替换为该随机数。其中，预设时间间隔可以根据实际情况设定，本公开实施例对此不作限定。
例如，预设时间间隔设定为Te，当用户选择生成数据y(n)”对应的异常数据时，如果n是Te的整数倍，则可以得到该数据y(n)”对应的异常数据为：介于-|y|”max和-|y|”max|之间的随机数，其他时刻则无需生成数据y(n)”对应的异常数据。通过此种方式，可以在等间隔的时间点生成异常数据，使得仿真数据更加符合实际车辆的运动状态，从而更加准确地实现对自动驾驶算法的仿真验证。
通过本公开提供的数据处理方法，可以在车辆仿真系统根据接收到的仿真控制指令进行动力学解算得到的车速等车辆初始数据中引入传输时延、噪声、异常值的影响，使仿真结果更符合实际情况，从而更好地验证自动驾驶算法的可靠性。同时，本公开提供的数据处理方法计算过程简单，不会给仿真系统增加过多计算量。此外，在实际应用中，仿真系统可以根据用户的选择来决定是否进行延时处理、噪声处理和异常数据处理。若用户同时选择进行延时处理、噪声添加处理和异常数据添加处理，则可以首先进行延时处理，把原始数据沿时间轴向后平移，然后对延时处理后的数据进行噪声处理，并根据用户的选择和数据的大小来计算标准差，生成高斯噪声。最后可以在高斯噪声中，等间隔的时间点生成异常数据，得到模拟真实传感器输出的数据，自动驾驶算法可以根据这些模拟真实传感器的车速、加速度这些数据以及摄像头、激光雷达等传感器的数据完成对车辆的控制。
基于同一发明构思，本公开实施例还提供一种数据处理装置，该装置可以通过软件、硬件或者两者结合的方式成为车辆仿真系统的部分或全部。参照图5，该数据处理装置500包括：
获取模块501，用于获取待处理的初始数据，上述初始数据是上述车辆仿真系统根据接收到的仿真控制指令进行动力学解算得到的；
确定模块502，用于响应于用户触发的数据处理配置操作，确定对上述初始数据的目标处理策略；
处理模块503，用于根据上述目标处理策略对上述初始数据进行处理。
可选地，上述目标处理策略包括延时策略、噪声策略和异常数据策略中的至少一者，其中，上述延时策略用于对数据进行延时处理，上述噪声策略用于生成数据对应的噪声，上述异常数据策略用于生成数据对应的异常数据；
上述处理模块503用于：
按照上述延时策略，对上述初始数据进行处理，得到第一目标数据；
按照上述噪声策略，对上述第一目标数据进行处理，得到第二目标数据；
按照上述异常数据策略，对上述第二目标数据进行处理，得到第三目标数据。
可选地，上述处理模块503包括延时子模块、噪声子模块和异常数据子模块；上述延时子模块用于将上述数据沿时间轴平移预设延迟时长；上述噪声子模块用于生成上述数据对应的高斯噪声；上述异常数据子模块用于按照预设时间间隔生成上述数据对应的异常数据。
可选地，上述延时子模块用于对上述数据进行如下处理：
确定上述车辆仿真系统的仿真间隔时长，并确定上述预设延迟时长除以上述仿真间隔时长的商和余数；
根据上述预设延迟时长除以上述仿真间隔时长的商和余数，对上述数据进行线性插值，以使上述数据沿时间轴平移上述预设延迟时长。
可选地，上述延时子模块用于：
按照如下方式，根据上述预设延迟时长除以上述仿真间隔时间的商和余数，对上述数据进行线性插值：
其中，xdelay(n)表示线性插值后得到的数据，x(n)表示上述数据，T表示上述仿真间隔时长，q表示上述预设延迟时长除以上述仿真间隔时间的商，r表示上述预设延迟时长除以上述仿真间隔时间的余数。
可选地，上述噪声子模块用于对上述数据进行如下处理：
响应于上述用户触发的、用于选择上述高斯噪声的标准差不变的操作，根据预设标准差和上述数据的均值，计算上述数据对应的高斯噪声；
响应于上述用户触发的、用于选择上述高斯噪声的标准差可变的操作，当上述数据的绝对值大于预设阈值时，根据上述数据的绝对值和第一预设系数确定用于计算上述高斯噪声的目标标准差；当上述数据的绝对值小于或等于上述预设阈值时，根据上述数据对应的预设最大值和第二预设系数确定用于计算上述高斯噪声的目标标准差，上述第一预设系数小于上述第二预设系数；根据上述目标标准差和上述数据的均值，计算上述数据对应的高斯噪声。
可选地，上述异常数据子模块用于对上述数据进行如下处理：
确定上述数据对应的采样时刻为上述预设时间间隔的整数倍；
确定上述数据对应的最大值，在上述最大值的绝对值和上述最大值的绝对值所对应的负值之间确定一随机数，将上述数据替换为上述随机数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
基于同一发明构思，本公开实施例还提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行上述存储器中的上述计算机程序，以实现上述任一数据处理方法的步骤。
在可能的方式中，该电子设备的框图可以如图6所示。参照图6，该电子设备可以包括：处理器601，存储器602。该电子设备600还可以包括多媒体组件603，输入/输出(I/O)接口604，以及通信组件605中的一者或多者。
其中，处理器601用于控制该电子设备600的整体操作，以完成上述的数据处理方法中的全部或部分步骤。存储器602用于存储各种类型的数据以支持在该电子设备600的操作，这些数据例如可以包括用于在该电子设备600上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如延时策略、噪声策略、异常数据策略等等。该存储器602可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件603可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器602或通过通信组件605发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口604为处理器601和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件605用于该电子设备600与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件605可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备600可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的数据处理方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的数据处理方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器602，上述程序指令可由电子设备600的处理器601执行以完成上述的数据处理方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的数据处理方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (10)
1.一种数据处理方法，其特征在于，应用于车辆仿真系统，包括：
获取待处理的初始数据，所述初始数据是所述车辆仿真系统根据接收到的仿真控制指令进行动力学解算得到的；
响应于用户触发的数据处理配置操作，确定对所述初始数据的目标处理策略；
根据所述目标处理策略对所述初始数据进行处理。
2.根据权利要求1所述的方法，其特征在于，所述目标处理策略包括延时策略、噪声策略和异常数据策略中的至少一者，其中，所述延时策略用于对数据进行延时处理，所述噪声策略用于生成数据对应的噪声数据，所述异常数据策略用于生成数据对应的异常数据；
所述根据所述目标处理策略对所述初始数据进行处理，包括：
按照所述延时策略，对所述初始数据进行处理，得到第一目标数据；
按照所述噪声策略，对所述第一目标数据进行处理，得到第二目标数据；
按照所述异常数据策略，对所述第二目标数据进行处理，得到第三目标数据。
3.根据权利要求1或2所述的方法，其特征在于，所述延时策略用于将所述数据沿时间轴平移预设延迟时长，所述噪声策略用于生成所述数据对应的高斯噪声，所述异常数据策略用于按照预设时间间隔生成所述数据对应的异常数据。
4.根据权利要求3所述的方法，其特征在于，所述延时策略用于对所述数据进行如下处理：
确定所述车辆仿真系统的仿真间隔时长，并确定所述预设延迟时长除以所述仿真间隔时长的商和余数；
根据所述预设延迟时长除以所述仿真间隔时长的商和余数，对所述数据进行线性插值，以使所述数据沿时间轴平移所述预设延迟时长。
5.根据权利要求4所述的方法，其特征在于，所述根据所述预设延迟时长除以所述仿真间隔时间的商和余数，对所述数据进行线性插值，包括：
按照如下方式，根据所述预设延迟时长除以所述仿真间隔时间的商和余数，对所述数据进行线性插值：
其中，xdelay(n)表示线性插值后得到的数据，x(n)表示所述数据，T表示所述仿真间隔时长，q表示所述预设延迟时长除以所述仿真间隔时间的商，r表示所述预设延迟时长除以所述仿真间隔时间的余数。
6.根据权利要求3所述的方法，其特征在于，所述噪声策略用于对所述数据进行如下处理：
响应于所述用户触发的、用于选择所述高斯噪声的标准差不变的操作，根据预设标准差和所述数据的均值，计算所述数据对应的高斯噪声；
响应于所述用户触发的、用于选择所述高斯噪声的标准差可变的操作，当所述数据的绝对值大于预设阈值时，根据所述数据的绝对值和第一预设系数确定用于计算所述高斯噪声的目标标准差；当所述数据的绝对值小于或等于所述预设阈值时，根据所述数据对应的预设最大值和第二预设系数确定用于计算所述高斯噪声的目标标准差，所述第一预设系数小于所述第二预设系数；根据所述目标标准差和所述数据的均值，计算所述数据对应的高斯噪声。
7.根据权利要求3所述的方法，其特征在于，所述异常数据策略用于对所述数据进行如下处理：
确定所述数据对应的采样时刻为所述预设时间间隔的整数倍；
确定所述数据对应的最大值，在所述最大值的绝对值和所述最大值的绝对值所对应的负值之间确定一随机数，将所述数据替换为所述随机数。
8.一种数据处理装置，其特征在于，应用于车辆仿真系统，包括：
获取模块，用于获取待处理的初始数据，所述初始数据是所述车辆仿真系统根据接收到的仿真控制指令进行动力学解算得到的；
确定模块，用于响应于用户触发的数据处理配置操作，确定对所述初始数据的目标处理策略；
处理模块，用于根据所述目标处理策略对所述初始数据进行处理。
9.一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权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011080038.6A CN112255931B (zh) | 2020-10-10 | 2020-10-10 | 数据处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011080038.6A CN112255931B (zh) | 2020-10-10 | 2020-10-10 | 数据处理方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112255931A true CN112255931A (zh) | 2021-01-22 |
| CN112255931B CN112255931B (zh) | 2024-04-16 |
Family
ID=74242818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011080038.6A Active CN112255931B (zh) | 2020-10-10 | 2020-10-10 | 数据处理方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112255931B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113253612A (zh) * | 2021-06-01 | 2021-08-13 | 苏州浪潮智能科技有限公司 | 一种自动驾驶控制方法、装置、设备及可读存储介质 |
| WO2024131313A1 (zh) * | 2022-12-20 | 2024-06-27 | 北京赛目科技股份有限公司 | 用于车辆仿真测试的方法、装置、系统、设备和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0773219A (ja) * | 1993-09-03 | 1995-03-17 | Fujitsu Ltd | シミュレーション装置及びシミュレーション方法 |
| CN101309245A (zh) * | 2007-05-18 | 2008-11-19 | 大唐移动通信设备有限公司 | 数字预失真处理装置及数字预失真器更新方法 |
| CN105093963A (zh) * | 2015-08-12 | 2015-11-25 | 上海交通大学 | 模块机器人自修复仿真系统及方法 |
| CN108681264A (zh) * | 2018-08-10 | 2018-10-19 | 成都合纵连横数字科技有限公司 | 一种智能车辆数字化仿真测试装置 |
| US20190354643A1 (en) * | 2018-05-17 | 2019-11-21 | Toyota Jidosha Kabushiki Kaisha | Mixed reality simulation system for testing vehicle control system designs |
| WO2019234726A1 (en) * | 2018-06-05 | 2019-12-12 | Israel Aerospace Industries Ltd. | System and methodology for performance verification of multi-agent autonomous robotic systems |
| CN111353221A (zh) * | 2020-02-24 | 2020-06-30 | 上海商汤临港智能科技有限公司 | 自动驾驶仿真方法和装置、电子设备及存储介质 |
| CN111897305A (zh) * | 2020-06-02 | 2020-11-06 | 浙江吉利汽车研究院有限公司 | 一种基于自动驾驶的数据处理方法、装置、设备及介质 |
-
2020
- 2020-10-10 CN CN202011080038.6A patent/CN112255931B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0773219A (ja) * | 1993-09-03 | 1995-03-17 | Fujitsu Ltd | シミュレーション装置及びシミュレーション方法 |
| CN101309245A (zh) * | 2007-05-18 | 2008-11-19 | 大唐移动通信设备有限公司 | 数字预失真处理装置及数字预失真器更新方法 |
| CN105093963A (zh) * | 2015-08-12 | 2015-11-25 | 上海交通大学 | 模块机器人自修复仿真系统及方法 |
| US20190354643A1 (en) * | 2018-05-17 | 2019-11-21 | Toyota Jidosha Kabushiki Kaisha | Mixed reality simulation system for testing vehicle control system designs |
| WO2019234726A1 (en) * | 2018-06-05 | 2019-12-12 | Israel Aerospace Industries Ltd. | System and methodology for performance verification of multi-agent autonomous robotic systems |
| US20210237772A1 (en) * | 2018-06-05 | 2021-08-05 | Elta Systems Ltd. | System and methodology for performance verification of multi-agent autonomous robotic systems |
| CN108681264A (zh) * | 2018-08-10 | 2018-10-19 | 成都合纵连横数字科技有限公司 | 一种智能车辆数字化仿真测试装置 |
| CN111353221A (zh) * | 2020-02-24 | 2020-06-30 | 上海商汤临港智能科技有限公司 | 自动驾驶仿真方法和装置、电子设备及存储介质 |
| CN111897305A (zh) * | 2020-06-02 | 2020-11-06 | 浙江吉利汽车研究院有限公司 | 一种基于自动驾驶的数据处理方法、装置、设备及介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113253612A (zh) * | 2021-06-01 | 2021-08-13 | 苏州浪潮智能科技有限公司 | 一种自动驾驶控制方法、装置、设备及可读存储介质 |
| CN113253612B (zh) * | 2021-06-01 | 2021-09-17 | 苏州浪潮智能科技有限公司 | 一种自动驾驶控制方法、装置、设备及可读存储介质 |
| US11887009B2 (en) | 2021-06-01 | 2024-01-30 | Inspur Suzhou Intelligent Technology Co., Ltd. | Autonomous driving control method, apparatus and device, and readable storage medium |
| WO2024131313A1 (zh) * | 2022-12-20 | 2024-06-27 | 北京赛目科技股份有限公司 | 用于车辆仿真测试的方法、装置、系统、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112255931B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111169469B (zh) | 一种车辆的轨迹规划方法、装置、存储介质及汽车 | |
| CN112255931B (zh) | 数据处理方法、装置、存储介质及电子设备 | |
| US10606236B2 (en) | Control device, control method, and control program | |
| EP4450927A1 (en) | Method, apparatus and device for generating road data evaluation report, and storage medium | |
| US6246201B1 (en) | Electronic cam control system | |
| CN113635892A (zh) | 车辆控制方法、装置、电子设备和计算机可读介质 | |
| CN113260936B (zh) | 移动体控制装置、移动体控制学习装置及移动体控制方法 | |
| CN112731957B (zh) | 无人机的控制方法、装置、计算机可读存储介质及无人机 | |
| CN104050349A (zh) | 外部空气温度测量设备和方法 | |
| CN113220345B (zh) | 一种指令块的处理方法、装置、设备及存储介质 | |
| CN109543225A (zh) | 车辆的控制方案生成方法、装置、存储介质和电子设备 | |
| CN113642103B (zh) | 动力学模型参数的调整方法、装置、介质及电子设备 | |
| CN113492855B (zh) | 跟车场景下的加速度补偿方法、设备及可读存储介质 | |
| CN112415897B (zh) | 控制系统的优化方法、装置、系统、车辆、介质及设备 | |
| CN112644453B (zh) | 混动车辆扭矩控制方法、装置、存储介质及电子设备 | |
| US20210109526A1 (en) | Processing sensor data in a motor vehicle | |
| CN113715820A (zh) | 一种基于速度补偿pid的车辆速度控制方法及装置 | |
| CN114722343A (zh) | 一种离合器位置信号滤波方法、装置、存储介质及终端 | |
| CN111090269B (zh) | 基于生成对抗网络的传感器模拟方法、装置和存储介质 | |
| CN111091581B (zh) | 基于生成对抗网络的行人轨迹模拟方法、装置和存储介质 | |
| CN108847807B (zh) | 电机的运动轨迹的规划方法、装置、设备以及存储介质 | |
| CN111523076A (zh) | 基于Fal函数计算角加速度的方法、装置及系统 | |
| CN113485393B (zh) | 飞行设备的控制方法、装置、存储介质及飞行设备 | |
| CN115675637B (zh) | 车辆控制方法、装置、电子设备和计算机可读介质 | |
| JP7347291B2 (ja) | ２自由度制御システムの制御器設定方法 |
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: 20220921 Address after: Room 315, 3rd Floor, Supporting Public Building, Mantingfangyuan Community, Qingyunli, Haidian District, Beijing 100000 Applicant after: Everything mirror (Beijing) computer system Co.,Ltd. Address before: Room 307, 3 / F, supporting public building, Mantingfangyuan community, qingyanli, Haidian District, Beijing 100086 Applicant before: Beijing Wuyi Vision digital twin Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |