CN112307642A - 数据处理方法、装置、系统、计算机设备及存储介质 - Google Patents

数据处理方法、装置、系统、计算机设备及存储介质 Download PDF

Info

Publication number
CN112307642A
CN112307642A CN202011288734.6A CN202011288734A CN112307642A CN 112307642 A CN112307642 A CN 112307642A CN 202011288734 A CN202011288734 A CN 202011288734A CN 112307642 A CN112307642 A CN 112307642A
Authority
CN
China
Prior art keywords
vehicle
information
scene data
path planning
obstacle
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
Application number
CN202011288734.6A
Other languages
English (en)
Other versions
CN112307642B (zh
Inventor
吴宗泽
邢千里
杨帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Zhijia Technology Co Ltd
Original Assignee
Suzhou Zhijia Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Zhijia Technology Co Ltd filed Critical Suzhou Zhijia Technology Co Ltd
Priority to CN202011288734.6A priority Critical patent/CN112307642B/zh
Publication of CN112307642A publication Critical patent/CN112307642A/zh
Priority to PCT/CN2021/118215 priority patent/WO2022105395A1/en
Application granted granted Critical
Publication of CN112307642B publication Critical patent/CN112307642B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种数据处理方法、装置、系统、计算机设备及存储介质，属于计算机技术领域。本申请通过载具在实际行驶过程中采集的路测数据，生成用于自动驾驶仿真的场景数据，这些场景数据能够真实复现出实际路况及噪声干扰，使得路径规划模型在调试时具有更加逼真的仿真效果，有利于调试出准确度更高的路径规划模型，也即能够得到具有更高准确度的自动驾驶算法，从而能够提升自动驾驶车辆的智能性。

Description

数据处理方法、装置、系统、计算机设备及存储介质
技术领域
本申请涉及计算机技术领域，特别涉及一种数据处理方法、装置、系统、计算机设备及存储介质。
背景技术
随着计算机技术和移动通信技术的发展，自动驾驶车辆作为一项新兴逐渐引起广泛关注。自动驾驶车辆又称无人驾驶车辆、轮式移动机器人，是一种由计算机设备控制以进行无人驾驶的智能车辆。由于采用真实环境进行实车调试的成本和周期较大，因此，智能车辆的自动驾驶算法大多都会预先基于仿真场景(也即仿真系统)来进行调试，以满足自动驾驶算法的快速迭代需求。
在基于仿真场景的调试过程中，通常会人工设计一些车辆障碍物并设置速度、姿态等参数，以模拟出真实环境的路况场景，由自动驾驶车辆对人工设计的车辆障碍物进行感测和响应，智能规划出后续的驾驶速度曲线。但是，由于人工设计的车辆障碍物通常忽略了噪声干扰，使得仿真场景无法更好地复刻出真实路况，影响了自动驾驶算法的精准程度，影响了自动驾驶车辆的智能性。
发明内容
本申请实施例提供了一种数据处理方法、装置、系统、计算机设备及存储介质，能够提升自动驾驶算法的精确度、提升自动驾驶车辆的智能性。该技术方案如下：
一方面，提供了一种数据处理方法，该方法包括：
基于载具在行驶过程中采集的路测数据，确定至少一种场景数据，所述场景数据用于对路径规划模型进行仿真；
将所述至少一种场景数据输入所述路径规划模型，对所述载具进行路径规划，输出所述载具的仿真行驶信息；
基于所述仿真行驶信息，对所述路径规划模型进行参数调整。
在一种可能实施方式中，所述对所述载具进行路径规划，输出所述载具的仿真行驶信息包括：
基于所述至少一种场景数据，确定所述载具的仿真行驶位置；
基于所述仿真行驶位置，对所述载具进行路径规划，得到所述载具的仿真行驶信息。
在一种可能实施方式中，所述场景数据包括交通灯信息、车道线信息、障碍物的起始位置、障碍物的运动信息、路面信息或者载具行驶信息中至少一项。
在一种可能实施方式中，若所述场景数据包括障碍物的起始位置，所述基于所述仿真行驶位置，对所述载具进行路径规划包括：
响应于所述载具的仿真行驶位置与任一障碍物的起始位置之间的距离小于距离阈值，获取所述任一障碍物的运动信息；
基于所述任一障碍物的运动信息，对所述载具进行路径规划。
在一种可能实施方式中，若所述场景数据包括车道线信息，所述基于所述仿真行驶位置，对所述载具进行路径规划包括：
基于所述载具的仿真行驶位置，确定所述仿真行驶位置所在路段的车道线信息；
基于所述路段的车道线信息，对所述载具进行路径规划。
在一种可能实施方式中，若所述场景数据包括交通灯信息，所述基于所述仿真行驶位置，对所述载具进行路径规划包括：
基于所述载具的仿真行驶位置，确定与所述仿真行驶位置之间距离最近的交通灯信息；
基于所述交通灯信息，对所述载具进行路径规划。
在一种可能实施方式中，所述基于所述载具的仿真行驶位置，确定与所述仿真行驶位置之间距离最近的交通灯信息包括：
查找与所述仿真行驶位置之间距离最近的标定位置，一个标定位置与所述标定位置所处目标范围内的一个交通灯信息对应存储；
将与所述标定位置对应存储的交通灯信息确定为与所述仿真行驶位置之间距离最近的交通灯信息。
在一种可能实施方式中，所述基于载具在行驶过程中采集的路测数据，确定至少一种场景数据包括：
对所述路测数据进行解析，得到至少一种初始场景数据，一种初始场景数据具有至少一个时间戳；
获取所述至少一种初始场景数据所对应的至少一个时间序列，将所述至少一个时间序列确定为所述至少一种场景数据。
在一种可能实施方式中，所述获取所述至少一种初始场景数据所对应的至少一个时间序列包括：
对任一种初始场景数据，按照时间戳从小到大的顺序，对所述初始场景数据中的至少一个元素进行排序，得到一个时间序列。
一方面，提供了一种数据处理装置，该装置包括：
确定模块，用于基于载具在行驶过程中采集的路测数据，确定至少一种场景数据，所述场景数据用于对路径规划模型进行仿真；
路径规划模块，用于将所述至少一种场景数据输入所述路径规划模型，对所述载具进行路径规划，输出所述载具的仿真行驶信息；
调整模块，用于基于所述仿真行驶信息，对所述路径规划模型进行参数调整。
在一种可能实施方式中，所述路径规划模块包括：
确定单元，用于基于所述至少一种场景数据，确定所述载具的仿真行驶位置；
路径规划单元，用于基于所述仿真行驶位置，对所述载具进行路径规划，得到所述载具的仿真行驶信息。
在一种可能实施方式中，所述场景数据包括交通灯信息、车道线信息、障碍物的起始位置、障碍物的运动信息、路面信息或者载具行驶信息中至少一项。
在一种可能实施方式中，若所述场景数据包括障碍物的起始位置，所述路径规划单元用于：
响应于所述载具的仿真行驶位置与任一障碍物的起始位置之间的距离小于距离阈值，获取所述任一障碍物的运动信息；
基于所述任一障碍物的运动信息，对所述载具进行路径规划。
在一种可能实施方式中，若所述场景数据包括车道线信息，所述路径规划单元用于：
基于所述载具的仿真行驶位置，确定所述仿真行驶位置所在路段的车道线信息；
基于所述路段的车道线信息，对所述载具进行路径规划。
在一种可能实施方式中，若所述场景数据包括交通灯信息，所述路径规划单元包括：
确定子单元，用于基于所述载具的仿真行驶位置，确定与所述仿真行驶位置之间距离最近的交通灯信息；
规划子单元，用于基于所述交通灯信息，对所述载具进行路径规划。
在一种可能实施方式中，所述确定子单元用于：
查找与所述仿真行驶位置之间距离最近的标定位置，一个标定位置与所述标定位置所处目标范围内的一个交通灯信息对应存储；
将与所述标定位置对应存储的交通灯信息确定为与所述仿真行驶位置之间距离最近的交通灯信息。
在一种可能实施方式中，所述确定模块包括：
解析单元，用于对所述路测数据进行解析，得到至少一种初始场景数据，一种初始场景数据具有至少一个时间戳；
获取确定单元，用于获取所述至少一种初始场景数据所对应的至少一个时间序列，将所述至少一个时间序列确定为所述至少一种场景数据。
在一种可能实施方式中，所述获取确定单元用于：
对任一种初始场景数据，按照时间戳从小到大的顺序，对所述初始场景数据中的至少一个元素进行排序，得到一个时间序列。
一方面，提供了一种数据处理系统，该系统包括载具和计算机设备；
所述载具，用于在行驶过程中采集路测数据，向所述计算机设备发送所述路测数据；
所述计算机设备，用于基于载具在行驶过程中采集的路测数据，确定至少一种场景数据，所述场景数据用于对路径规划模型进行仿真；将所述至少一种场景数据输入所述路径规划模型，对所述载具进行路径规划，输出所述载具的仿真行驶信息；基于所述仿真行驶信息，对所述路径规划模型进行参数调整。
一方面，提供了一种计算机设备，该计算机设备包括一个或多个处理器和一个或多个存储器，该一个或多个存储器中存储有至少一条程序代码，该至少一条程序代码由该一个或多个处理器加载并执行以实现如上述任一种可能实现方式的数据处理方法。
一方面，提供了一种存储介质，该存储介质中存储有至少一条程序代码，该至少一条程序代码由处理器加载并执行以实现如上述任一种可能实现方式的数据处理方法。
一方面，提供一种计算机程序产品或计算机程序，所述计算机程序产品或所述计算机程序包括一条或多条程序代码，所述一条或多条程序代码存储在计算机可读存储介质中。计算机设备的一个或多个处理器能够从计算机可读存储介质中读取所述一条或多条程序代码，所述一个或多个处理器执行所述一条或多条程序代码，使得计算机设备能够执行上述任一种可能实施方式的数据处理方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
通过载具在实际行驶过程中采集的路测数据，生成用于自动驾驶仿真的场景数据，这些场景数据能够真实复现出实际路况及噪声干扰，使得路径规划模型在调试时具有更加逼真的仿真效果，有利于调试出准确度更高的路径规划模型，也即能够得到具有更高准确度的自动驾驶算法，从而能够提升自动驾驶车辆的智能性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还能够根据这些附图获得其他的附图。
图1是本申请实施例提供的一种数据处理方法的实施环境示意图；
图2是本申请实施例提供的一种数据处理方法的流程图；
图3是本申请实施例提供的一种数据处理方法的流程图；
图4是本申请实施例提供的一种路径规划模型的逻辑结构示意图；
图5是本申请实施例提供的一种路径规划的原理性示意图；
图6是本申请实施例提供的一种路径规划的原理性示意图；
图7是本申请实施例提供的一种人造场景与仿真场景的对比效果图；
图8是本申请实施例提供的一种数据处理方法的原理性流程图；
图9是本申请实施例提供的一种数据处理方法的结构示意图；
图10示出了本申请一个示例性实施例提供的车载终端1000的结构框图；
图11是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
本申请中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。
本申请中术语“至少一个”是指一个或多个，“多个”的含义是指两个或两个以上，例如，多个第一位置是指两个或两个以上的第一位置。
以下，对本申请实施例涉及的术语进行解释说明：
无人车：全称为无人驾驶汽车，也称为自动驾驶汽车、轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。无人车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。无人车利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。无人车集自动控制、体系结构、人工智能、视觉计算等众多前沿技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。
车联网：即车辆物联网，是以行驶中的车辆为信息感知对象，借助新一代信息通信技术，实现车与车、人、路、服务平台等对象之间的网络连接，能够提升车辆整体的智能驾驶水平，为用户提供安全、舒适、智能、高效的驾驶感受与交通服务，同时提高交通运行效率，提高社会交通服务的智能化水平。可选地，车辆上的车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的功能服务。车联网通常表现出以下几点特征：车联网能够为车与车之间的间距提供保障，降低车辆发生碰撞事故的几率；车联网可以帮助车主实时导航，并通过与其它车辆和网络系统的通信，提高交通运行的效率。
自动驾驶仿真：自动驾驶仿真技术是计算机仿真技术在汽车领域的应用，它比传统ADAS(Advanced Driving Assistance System，高级驾驶辅助系统)仿真系统研发更为复杂，对系统在解耦和架构上的要求非常高。自动驾驶仿真系统通过数学建模的方式将真实世界进行数字化还原和泛化，建立正确、可靠、有效的仿真模型(即路径规划模型)是保证仿真结果具有高可信度的关键和前提。仿真技术的基本原理是在仿真场景内，将真实控制器变成算法，结合传感器仿真等技术，完成对自动驾驶算法的测试和验证。
通常，在自动生成道路测试仿真场景的过程中，会在仿真场景地图的某些位置上人为设置车辆障碍物并赋予速度、姿态等信息来生成虚假的车辆障碍物感知信号，或者，在真实环境中自动采样车道线的位置点，并仿真场景地图中对应的位置点生成虚假的车道线感知信号，以此来模仿真实路况场景。可选地，还能够基于GPU(Graphics ProcessingUnit，图形处理器)制作一个贴近真实环境的仿真场景，该仿真场景类似于真实环境中的动画，并重新基于算法进行感知信息的计算。
在上述过程中，无法真实反映出实际路测时车辆障碍物的运动状态和车道线等感知信息，而人工设计的车辆障碍物或者车道线等信息，通常忽略了噪声干扰，使得仿真场景无法更好地复刻出真实路况，导致自动驾驶仿真系统的仿真效果较差，使得路径规划模型所采用的自动驾驶算法无法进行更加快速、准确的迭代更新，影响了自动驾驶算法的精准程度，影响了自动驾驶车辆的智能性。
有鉴于此，本申请实施例提供一种数据处理方法，能够模拟出更加符合真实路况的仿真场景，重现出实际行驶过程中的真实路况，有益于调试出更加准确的路径规划模型(也即自动驾驶算法)，例如，在自动驾驶路测时，原本路径规划模型的算法参数不佳，导致无人车在某些场景下没有良好且平滑的规划速度曲线，因此规划了过大的油门或者刹车，通过采集实际驾驶过程中的上述路测数据，将上述采用过大的油门或者刹车的情况在仿真场景中进行重现，在仿真系统中调试路径规划模型的算法参数，使得路径规划模型输出良好且平滑的速度曲线，以避免在类似场景下使用过大的油门或者刹车，从而能够更加有效地应用路测数据来调试路径规划模型，推进了路径规划模型的更新迭代。
图1是本申请实施例提供的一种数据处理方法的实施环境示意图。参见图1，在该实施环境中包括载具101和计算机设备102。
载具101用于在实际行驶过程中采集路测数据，可选地，载具101上安装有车载传感器、定位组件、摄像头组件、控制器、数据处理器、自动驾驶系统等功能模块，上述功能模块能够借助车联网、5G(5th Generation Mobile Networks，第五代移动通信技术)和V2X(Vehicle To X，车用无线通信技术)等现代移动通信与网络技术，实现交通参与物彼此间的互换与共享，从而具备在复杂环境下的传感感知、决策规划、控制执行等功能。
可选地，该载具101包括传统汽车、智能汽车、无人车、电动车、自行车、摩托车等交通工具，载具101可由驾驶员手动驾驶操作，也可由自动驾驶系统驱动以实现无人驾驶。
可选地，该车载传感器包括激光雷达、毫米波雷达传感器、加速度传感器、陀螺仪传感器、接近传感器、压力传感器等数据采集单元。
在一些实施例中，路测数据为载具101路测时由ROS(Robot Operating System，机器人操作系统)回传的rosbag数据包，在rosbag包中存储载具101路测时基于摄像头组件和车载传感器等功能模块采集的信息，用于进行障碍物位置和运动姿态以及车道线的感知及追踪，可选地，rosbag包中还存储定位组件基于GPS(Global Positioning System，全球定位系统)采集的定位数据，可选地，rosbag包中还存储IMU(Inertial Measurement Unit，惯性测量仪，也称惯性传感器)对载具101自身的车辆姿态估测，可选地，rosbag包中还存储上述各类信息的时间戳。
载具101与计算机设备102能够通过有线或无线通信方式进行直接或间接地连接，例如，载具101与计算机设备102通过车辆网进行无线连接，本申请实施例在此不作限制。
计算机设备102用于调试路径规划模型的参数，以对路径规划模型进行迭代更新。可选地，计算机设备102包括一台服务器、多台服务器、云计算平台或者虚拟化中心中的至少一种。可选地，计算机设备102承担主要计算工作，载具101承担次要计算工作；或者，计算机设备102承担次要计算工作，载具101承担主要计算工作；或者，载具101和计算机设备102两者之间采用分布式计算架构进行协同计算。
可选地，载具101泛指多个载具中的一个，载具101上安装有用于与计算机设备102进行通信连接的终端设备，终端设备的类型包括但不限于：车载终端、智能手机、平板电脑、智能手表、智能音箱、电子书阅读器、MP3(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机或者台式计算机中的至少一种。终端设备上配置有自动驾驶系统，该自动驾驶系统能够基于计算机设备102调试后的路径规划模型来规划载具101的行驶参数。
本领域技术人员可以知晓，上述载具101的数量可以更多或更少。比如上述载具101可以仅为一个，或者上述载具101为几十个或几百个，或者更多数量。本申请实施例对载具101的数量和设备类型不加以限定。
图2是本申请实施例提供的一种数据处理方法的流程图，请参考图2，该实施例应用于计算机设备，下面进行详述。
201、计算机设备基于载具在行驶过程中采集的路测数据，确定至少一种场景数据，该场景数据用于对路径规划模型进行仿真。
202、计算机设备将该至少一种场景数据输入该路径规划模型，对该载具进行路径规划，输出该载具的仿真行驶信息。
203、计算机设备基于该仿真行驶信息，对该路径规划模型进行参数调整。
本申请实施例提供的方法，通过载具在实际行驶过程中采集的路测数据，生成用于自动驾驶仿真的场景数据，这些场景数据能够真实复现出实际路况及噪声干扰，使得路径规划模型在调试时具有更加逼真的仿真效果，有利于调试出准确度更高的路径规划模型，也即能够得到具有更高准确度的自动驾驶算法，从而能够提升自动驾驶车辆的智能性。
在一种可能实施方式中，对该载具进行路径规划，输出该载具的仿真行驶信息包括：
基于该至少一种场景数据，确定该载具的仿真行驶位置；
基于该仿真行驶位置，对该载具进行路径规划，得到该载具的仿真行驶信息。
在一种可能实施方式中，该场景数据包括交通灯信息、车道线信息、障碍物的起始位置、障碍物的运动信息、路面信息或者载具行驶信息中至少一项。
在一种可能实施方式中，若该场景数据包括障碍物的起始位置，基于该仿真行驶位置，对该载具进行路径规划包括：
响应于该载具的仿真行驶位置与任一障碍物的起始位置之间的距离小于距离阈值，获取该任一障碍物的运动信息；
基于该任一障碍物的运动信息，对该载具进行路径规划。
在一种可能实施方式中，若该场景数据包括车道线信息，基于该仿真行驶位置，对该载具进行路径规划包括：
基于该载具的仿真行驶位置，确定该仿真行驶位置所在路段的车道线信息；
基于该路段的车道线信息，对该载具进行路径规划。
在一种可能实施方式中，若该场景数据包括交通灯信息，基于该仿真行驶位置，对该载具进行路径规划包括：
基于该载具的仿真行驶位置，确定与该仿真行驶位置之间距离最近的交通灯信息；
基于该交通灯信息，对该载具进行路径规划。
在一种可能实施方式中，基于该载具的仿真行驶位置，确定与该仿真行驶位置之间距离最近的交通灯信息包括：
查找与该仿真行驶位置之间距离最近的标定位置，一个标定位置与该标定位置所处目标范围内的一个交通灯信息对应存储；
将与该标定位置对应存储的交通灯信息确定为与该仿真行驶位置之间距离最近的交通灯信息。
在一种可能实施方式中，基于载具在行驶过程中采集的路测数据，确定至少一种场景数据包括：
对该路测数据进行解析，得到至少一种初始场景数据，一种初始场景数据具有至少一个时间戳；
获取该至少一种初始场景数据所对应的至少一个时间序列，将该至少一个时间序列确定为该至少一种场景数据。
在一种可能实施方式中，获取该至少一种初始场景数据所对应的至少一个时间序列包括：
对任一种初始场景数据，按照时间戳从小到大的顺序，对该初始场景数据中的至少一个元素进行排序，得到一个时间序列。
上述所有可选技术方案，能够采用任意结合形成本公开的可选实施例，在此不再一一赘述。
图3是本申请实施例提供的一种数据处理方法的流程图。参见图3，该实施例应用于计算机设备，下面进行详述。
301、计算机设备获取载具在行驶过程中采集的路测数据。
其中，载具用于在实际行驶过程中采集该路测数据。可选地，该载具包括传统汽车、智能汽车、无人车、电动车、自行车或者摩托车等交通工具，载具可由驾驶员手动驾驶操作，也可由自动驾驶系统驱动以实现无人驾驶。
其中，该路测数据用于表示载具在实际行驶过程中收集的各类电信号。
在一个示例性场景中，路测数据为载具的ROS上传至计算机设备rosbag数据包，可选地，rosbag数据包中包括传感信号、视频信号和定位信号，由于载具自身以及车辆障碍物在不同时刻具有不同的传感信号、视频信号和定位信号，因此这些传感信号、视频信号和定位信号具有各自的时间戳，其中，传感信号由车载传感器采集得到，视频信号由摄像头组件采集得到，定位信号由定位组件采集得到，传感信号和视频信号均用于进行障碍物位置和运动姿态以及车道线的感知及追踪，例如，IMU传感器记录的传感信号用于估测载具自身的车辆姿态。
在一些实施例中，载具在实际行驶过程中基于车载传感器、摄像头组件或者定位组件中至少一项，采集实际行驶过程中的传感信号、视频信号或者定位信号中至少一项，将传感信号、视频信号或者定位信号中至少一项与各自的时间戳对应存储，得到路测数据，载具基于ROS将该路测数据封装成rosbag数据包，将rosbag数据包发送至计算机设备，计算机设备接收该rosbag数据包，对该rosbag数据包进行解析，得到该路测数据。
可选地，计算机设备基于TCP(Transmission Control Protocol，传输控制协议)、UDP(User Datagram Protocol，用户数据报协议)或者IP(Internet Protocol，网际互连协议)来封装路测数据，本申请实施例不对路测数据的封装协议进行具体限定。
在一些实施例中，计算机设备接收到任一数据包之后，对该数据包的头字段进行解析，得到该数据包的类型标识，如果该类型标识指示该数据包为rosbag数据包，对该数据包的数据字段进行解析，得到该路测数据。
在一些实施例中，计算机设备解析得到路测数据后，存储该路测数据，例如，将路测数据中的传感信号、视频信号或者定位信号中至少一项与各自的时间戳对应存储，可选地，基于键值对将上述信号与时间戳对应存储，或者，基于存储页面将上述信号与时间戳对应存储。
在一个示例性场景中，将路测数据存储在预定义的存储容器结构中，可选地，该存储容器结构包括类或结构体中至少一项。例如，在该存储容器结构的第一层中，存储自动驾驶仿真的地图配置信息、仿真时长、场景数据等，其中，该地图配置信息用于指示是否使用电子地图或车道线；在场景数据的下一层中，存储时间戳序列、交通灯信息、车道线信息、车辆障碍物信息等，车辆障碍物信息至少包括障碍物的起始位置和运动信息，可选地，将交通灯信息、车道线信息和车辆障碍物信息与时间戳序列对应存储；其中，车辆障碍物信息的下一层中，存储车辆障碍物标识(Identification，ID)、车辆障碍物是否为载具自身、车辆障碍物的几何信息及位置运动状态估测信息、车辆障碍物媒介等；其中，车辆障碍物媒介的下一层中，存储车辆障碍物类别、轨迹跟踪、运动规划、参数模型及载具自身信息等。通过在存储容器结构中提供的嵌套关系，能够清晰表示出路测数据中繁杂信息之间的逻辑关系，便于将路测数据转化为场景数据。
302、计算机设备对该路测数据进行解析，得到至少一种初始场景数据，一种初始场景数据具有至少一个时间戳。
在一些实施例中，计算机设备解析出路测数据后，将路测数据中的传感信号、视频信号或者定位信号中至少一项确定为该至少一种初始场景数据，由于传感信号、视频信息或者定位信号中至少一项均是与时间戳对应存储的，也即是说各个初始场景数据具有至少一个时间戳。
303、计算机设备获取该至少一种初始场景数据所对应的至少一个时间序列，将该至少一个时间序列确定为至少一种场景数据。
其中，该场景数据用于对路径规划模型进行仿真。可选地，该场景数据包括交通灯信息、车道线信息、障碍物的起始位置、障碍物的运动信息、路面信息或者载具行驶信息中至少一项。
可选地，对任一种初始场景数据，计算机设备按照时间戳从小到大的顺序，对该初始场景数据中的至少一个元素进行排序，得到一个时间序列。其中，时间序列又称动态数列，是指将同一统计指标的数值(即初始场景数据)按其发生的时间先后顺序排列而成的数列，时间序列分析的主要目的是根据已有的历史数据对未来进行预测，本申请实施例中该时间序列则用于进行自动驾驶仿真。
在一些实施例中，计算机设备将各个初始场景数据按照时间戳整理并存储于上述存储容器结构中，例如，将交通灯信息、车道线信息、车辆障碍物信息和载具自身的定位信息按照时间戳进行对应存储，进一步地，以车辆障碍物信息为例，依次将车辆障碍物ID、车辆障碍物的几何信息(长、宽、高等尺寸)、车辆障碍物的运动姿态估测信息存入该存储容器结构中车辆障碍物信息的下一层，并按照时间戳存储成轨迹跟踪类别的媒介，同时需要记录载具首次感知到每个车辆障碍物时载具与车辆障碍物之间的相对距离，此外，将载具自身的重量、定位信息、运动姿态估测信息也存入到该存储容器结构中。
在一些实施例中，计算机设备解析路测数据中的路面信息，基于载具自身的定位信息和运动姿态估测信息，将载具在电子地图中的位置坐标(x、y、z)与时间戳对应存储。
在一些实施例中，计算机设备将与载具之间相对距离大于第一阈值的车辆障碍物信息删除，或者，计算机设备将与车道线之间相对距离大于第二阈值的车辆障碍物信息删除，或者，计算机设备将不干预载具运动轨迹的车辆障碍物信息删除，能够避免一些无效的车辆障碍物干扰仿真运算，提升自动驾驶仿真的数据处理效率。其中，该第一阈值和第二阈值均为大于或等于0的任一数值。
在上述步骤302-303中，提供了计算机设备基于载具在行驶过程中采集的路测数据，确定至少一种场景数据的一种可能实施方式，通过预定义的存储容器结构，在向存储容器结构中存储路测数据时就能够自动获取到时间序列，也即将路测数据的存储步骤与解析步骤耦合在一起，无需进行额外冗余的复杂解析操作，简化了场景数据的获取流程，在一些实施例中，计算机设备还能够预定义解析算法来解析路测数据，使得基于该解析算法，将解析结构按照时间戳存入到存储容器结构中，得到场景数据，本申请实施例不对场景数据的获取方式进行具体限定。
304、计算机设备将该至少一种场景数据输入路径规划模型，基于该至少一种场景数据，确定该载具的仿真行驶位置。
在一些实施例中，计算机设备从存储容器结构中读取该至少一种场景数据，将该至少一种场景数据输入路径规划模型，由于在解析路面信息时将载具的位置坐标与时间戳对应存储，因此，对任一时刻都能够从存储容器结构中确定该任一时刻下载具的位置坐标，将该位置坐标在电子地图中所指示的位置点确定为该任一时刻下载具的仿真行驶位置。
在一些实施例中，路径规划模型包括下述至少一个功能模块：障碍物仿真单元、障碍物预测单元、路径规划单元、控制单元、载具仿真单元，可选地，障碍物仿真单元包括障碍物子单元和车道线/交通灯子单元，障碍物子单元用于在仿真场景中模拟其他车辆障碍物的感知信号，而车道线/交通灯子单元则用于在仿真场景中模拟车道线或交通灯的感知信号。
图4是本申请实施例提供的一种路径规划模型的逻辑结构示意图，请参考图4，在路径规划模型400中，包括障碍物仿真单元401、障碍物预测单元402、路径规划单元403、控制单元404、载具仿真单元405，其中障碍物仿真单元401包括障碍物子单元4011和车道线/交通灯子单元4012。基于上述情况，在将该至少一种场景数据输入路径规划模型时，将车辆障碍物信息(包括障碍物的起始位置和运动信息)输入到障碍物子单元4011，将车道线信息或交通灯信息输入到车道线/交通灯子单元4012中，然后将障碍物仿真单元401中存储的数据输入到障碍物预测单元402中，由障碍物预测单元402预测车辆障碍物的仿真行驶信息，同时基于车道线/交通灯子单元4012中存储的数据来预测仿真场景中虚拟车道线或虚拟交通灯，将预测出的虚拟车道线、虚拟交通灯及障碍物预测单元402预测的车辆障碍物的仿真行驶信息均输入到路径规划单元403中，通过路径规划单元403规划载具的仿真行驶信息(包括载具的速度曲线及行驶轨迹)，将载具的行驶轨迹输入到控制单元404中，由控制单元404根据载具的行驶轨迹生成控制载具移动的命令行(Command Prompt，CMD)，将载具的CMD输入到载具仿真单元405中，由载具仿真单元405基于载具的CMD来控制载具在仿真场景中的运动，将载具的运动数据分别输入到路径规划单元403和障碍物仿真单元401中，用于迭代控制下一时刻载具的运动，需要说明的是，场景数据中的载具自身的几何信息及路面信息也需要输入到载具仿真单元405中，以便于在仿真场景模拟出更加符合实际尺寸和真实路况的载具。
305、计算机设备基于该仿真行驶位置，对该载具进行路径规划，输出该载具的仿真行驶信息。
可选地，由于场景数据包括交通灯信息、车道线信息、障碍物的起始位置、障碍物的运动信息、路面信息或者载具行驶信息中至少一项，因此本申请实施例将分下述三种情况来讨论如何充分利用场景数据进行路径规划。
一、基于车辆障碍物信息的路径规划
在一些实施例中，若该场景数据包括障碍物的起始位置，计算机设备响应于该载具的仿真行驶位置与任一障碍物的起始位置之间的距离小于距离阈值，获取该任一障碍物的运动信息；基于该任一障碍物的运动信息，对该载具进行路径规划。可选地，该距离阈值为路测数据中采集到的载具首次感知到障碍物时载具与障碍物之间的相对距离。
在上述过程中，基于载具与障碍物之间的相对距离，来决定是否触发障碍物在仿真场景中开始运动，使得仿真场景对障碍物的运动仿真度更高，能够保持rosbag数据包中载具自身与车辆障碍物之间的相对场景，而非是直接基于rosbag数据包中的时间戳进行刻板播放，能够在由于算法改动导致载具自身速度改变时，仍然保持两者间的相对触发条件。需要说明的是，触发障碍物在仿真场景中运动，是指从触发时刻开始按照时间戳顺序来播放障碍物的运动信息，其中，触发时刻是指载具与障碍物之间的距离刚好小于距离阈值的时刻。
在一个示例性场景中，图5是本申请实施例提供的一种路径规划的原理性示意图，请参考图5，假设障碍物501的距离阈值为s1，障碍物502的距离阈值为s2。在仿真时刻t＝t0时，载具500行驶到
Figure BDA0002783218850000151
的位置上，若障碍物501的起始位置
Figure BDA0002783218850000152
与载具500的位置
Figure BDA0002783218850000153
之间的距离小于s1，则触发障碍物501在仿真场景中开始运动；在仿真时刻t＝t1时，载具500行驶到
Figure BDA0002783218850000154
的位置上，障碍物501行驶到
Figure BDA0002783218850000155
的位置上，障碍物502位于起始位置
Figure BDA0002783218850000156
若载具500的位置
Figure BDA0002783218850000157
与障碍物502的起始位置
Figure BDA0002783218850000158
之间的距离小于s2，则触发障碍物502在仿真场景中开始运动。
二、基于车道线信息的路径规划
在一些实施例中，若该场景数据包括车道线信息，计算机设备基于该载具的仿真行驶位置，确定该仿真行驶位置所在路段的车道线信息；基于该路段的车道线信息，对该载具进行路径规划。
在一些实施例中，在查询当前路段的车道线信息时，计算机设备查找与该仿真行驶位置之间距离最近的标定位置，一个标定位置与该标定位置所处目标范围内的一个车道线信息对应存储；将与该标定位置对应存储的车道线信息确定为该仿真行驶位置所在路段的车道线信息。
可选地，计算机设备在根据仿真行驶位置来确定车道线信息时，采用KD Tree(K维树)的搜索方式，KD Tree是一个能够在高维空间中快速寻找最近邻和近似最近邻的查找数据结构，在一个示例中，计算机设备将路测数据中每个路段中载具的位置信息作为索引(Index，也即标定位置)，将每个路段的车道线信息作为数据成员存入到KD Tree中，在仿真时利用仿真行驶位置，从KD Tree中提取出与仿真行驶位置之间距离最近的Index，将该距离最近的Index对应的数据成员作为载具当前路段的车道线信息，并将车道线发送至路径规划单元以基于自动驾驶算法进行路径规划，这种基于KD Tree的搜索方式能够大大提升车道线信息的搜索效率。
在一个示例性场景中，图6是本申请实施例提供的一种路径规划的原理性示意图，如600所示，在rosbag数据包中，载具行驶至(x0，y0)的位置时，车载传感器感测到R1范围内的车道线信息，载具行驶至(x1，y1)的位置时，车载传感器感测到R2范围内的车道线信息。因此在仿真时，如果基于仿真行驶位置搜索出的最近邻的Index为(x0，y0)，则将R1范围的数据成员(即车道线信息)从KD Tree中传出，如果基于仿真行驶位置搜索出的最近邻的Index为(x1，y1)，则将R2范围的数据成员(即车道线信息)从KD Tree中传出。
三、基于交通灯信息的路径规划
在一些实施例中，若该场景数据包括交通灯信息，计算机设备基于该载具的仿真行驶位置，确定与该仿真行驶位置之间距离最近的交通灯信息；基于该交通灯信息，对该载具进行路径规划。
在一些实施例中，在查询距离最近的交通灯信息时，计算机设备查找与该仿真行驶位置之间距离最近的标定位置，一个标定位置与该标定位置所处目标范围内的一个交通灯信息对应存储；将与该标定位置对应存储的交通灯信息确定为与该仿真行驶位置之间距离最近的交通灯信息。
上述基于KD Tree搜索交通灯信息的方式与基于KD Tree搜索车道线信息的方式类似，这里不做赘述，这种基于KD Tree的搜索方式能够大大提升交通灯信息的搜索效率。
在上述步骤304-305中，提供了计算机设备调用路径规划模型对该载具进行路径规划，输出该载具的仿真行驶信息的一种可能实施方式，计算机设备在规划了载具路径之后，在仿真场景中对载具进行模拟运动，从而基于运动反馈来调试路径规划模型的参数。
306、计算机设备基于该仿真行驶信息，对该路径规划模型进行参数调整。
在一些实施例中，路径规划模型输出载具的速度曲线和行驶轨迹，从而控制载具在仿真场景中沿该行驶轨迹以该速度曲线进行模拟运动，可选地，计算机设备将路面信息、速度曲线和行驶轨迹输入到载具仿真单元中，路面信息中的(x，y，z)坐标将组成路面，计算机设备基于运动学模型能够推算出载具在该行驶轨迹上沿该速度曲线的每帧位移，将每帧位移重新定位在路面上，即可达到对载具进行模拟运动的效果，可选地，运动学模型在进行运动学推算时，可以考虑载具当前的仿真行驶位置、该速度曲线、该行驶轨迹及路面坡面。
图7是本申请实施例提供的一种人造场景与仿真场景的对比效果图，如701和702所示，701对应于人造场景，702对应于仿真场景，第一行的曲线均表示载具与前车之间的距离随着时间的变化规律，第二行的曲线均表示载具所感知到的前车的速度变化曲线，可以看出，仿真场景中明显能够在距离曲线及速度曲线中复现出噪声的干扰，这些噪声的成因包括但不限于：前车司机的开车方式、车流状态的影响、自动驾驶算法的感知误差、噪声的感知误差等，因此仿真场景具有更好的还原度和仿真度。
图8是本申请实施例提供的一种数据处理方法的原理性流程图，如800所示，在步骤一中，计算机设备收集路测数据的rosbag数据包，在步骤二中，计算机设备基于rosbag数据包生成场景数据，在步骤三中，计算机设备将场景输入到路径规划模型中进行仿真，在步骤四中，路径规划模型生成仿真报告，在步骤五中，计算机设备基于仿真报告对路径规划模型进行质量评估，在步骤六中，计算机设备对路径规划模型(也即自动驾驶算法)进行参数调整，使得调整后的路径规划模型具有更准确的路径规划性能。
在一些实施例中，在进行质量评估时，采用下述条件中至少一种：载具的仿真行驶位置与实际行驶位置之间不小于n(n≥0)米；刹车踏板深度百分比不大于m％(m≥0)；载具的仿真行驶位置距离车道中心位置不大于k(k≥0)米，其中m、n、k由技术人员进行设置，从而能够量化地衡量路径规划模型的性能优劣。
上述所有可选技术方案，能够采用任意结合形成本公开的可选实施例，在此不再一一赘述。
本申请实施例提供的方法，通过载具在实际行驶过程中采集的路测数据，生成用于自动驾驶仿真的场景数据，这些场景数据能够真实复现出实际路况及噪声干扰，使得路径规划模型在调试时具有更加逼真的仿真效果，有利于调试出准确度更高的路径规划模型，也即能够得到具有更高准确度的自动驾驶算法，从而能够提升自动驾驶车辆的智能性。
图9是本申请实施例提供的一种数据处理方法的结构示意图，请参考图9，该装置包括：
确定模块901，用于基于载具在行驶过程中采集的路测数据，确定至少一种场景数据，该场景数据用于对路径规划模型进行仿真；
路径规划模块902，用于将该至少一种场景数据输入该路径规划模型，对该载具进行路径规划，输出该载具的仿真行驶信息；
调整模块903，用于基于该仿真行驶信息，对该路径规划模型进行参数调整。
本申请实施例提供的装置，通过载具在实际行驶过程中采集的路测数据，生成用于自动驾驶仿真的场景数据，这些场景数据能够真实复现出实际路况及噪声干扰，使得路径规划模型在调试时具有更加逼真的仿真效果，有利于调试出准确度更高的路径规划模型，也即能够得到具有更高准确度的自动驾驶算法，从而能够提升自动驾驶车辆的智能性。
在一种可能实施方式中，基于图9的装置组成，该路径规划模块902包括：
确定单元，用于基于该至少一种场景数据，确定该载具的仿真行驶位置；
路径规划单元，用于基于该仿真行驶位置，对该载具进行路径规划，得到该载具的仿真行驶信息。
在一种可能实施方式中，该场景数据包括交通灯信息、车道线信息、障碍物的起始位置、障碍物的运动信息、路面信息或者载具行驶信息中至少一项。
在一种可能实施方式中，若该场景数据包括障碍物的起始位置，该路径规划单元用于：
响应于该载具的仿真行驶位置与任一障碍物的起始位置之间的距离小于距离阈值，获取该任一障碍物的运动信息；
基于该任一障碍物的运动信息，对该载具进行路径规划。
在一种可能实施方式中，若该场景数据包括车道线信息，该路径规划单元用于：
基于该载具的仿真行驶位置，确定该仿真行驶位置所在路段的车道线信息；
基于该路段的车道线信息，对该载具进行路径规划。
在一种可能实施方式中，若该场景数据包括交通灯信息，基于图9的装置组成，该路径规划单元包括：
确定子单元，用于基于该载具的仿真行驶位置，确定与该仿真行驶位置之间距离最近的交通灯信息；
规划子单元，用于基于该交通灯信息，对该载具进行路径规划。
在一种可能实施方式中，该确定子单元用于：
查找与该仿真行驶位置之间距离最近的标定位置，一个标定位置与该标定位置所处目标范围内的一个交通灯信息对应存储；
将与该标定位置对应存储的交通灯信息确定为与该仿真行驶位置之间距离最近的交通灯信息。
在一种可能实施方式中，基于图9的装置组成，该确定模块901包括：
解析单元，用于对该路测数据进行解析，得到至少一种初始场景数据，一种初始场景数据具有至少一个时间戳；
获取确定单元，用于获取该至少一种初始场景数据所对应的至少一个时间序列，将该至少一个时间序列确定为该至少一种场景数据。
在一种可能实施方式中，该获取确定单元用于：
对任一种初始场景数据，按照时间戳从小到大的顺序，对该初始场景数据中的至少一个元素进行排序，得到一个时间序列。
上述所有可选技术方案，能够采用任意结合形成本公开的可选实施例，在此不再一一赘述。
需要说明的是：上述实施例提供的数据处理装置在处理数据时，仅以上述各功能模块的划分进行举例说明，实际应用中，能够根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的数据处理装置与数据处理方法实施例属于同一构思，其具体实现过程详见数据处理方法实施例，这里不再赘述。
图10示出了本申请一个示例性实施例提供的车载终端1000的结构框图。可选地，该车载终端1000的设备类型包括：智能手机、平板电脑、MP3播放器(Moving PictureExperts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。车载终端1000还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，车载终端1000包括有：处理器1001和存储器1002。
可选地，处理器1001包括一个或多个处理核心，比如4核心处理器、8核心处理器等。可选地，处理器1001采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable LogicArray，可编程逻辑阵列)中的至少一种硬件形式来实现。在一些实施例中，处理器1001包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central Processing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1001集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1001还包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
在一些实施例中，存储器1002包括一个或多个计算机可读存储介质，可选地，该计算机可读存储介质是非暂态的。可选地，存储器1002还包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1002中的非暂态的计算机可读存储介质用于存储至少一个程序代码，该至少一个程序代码用于被处理器1001所执行以实现本申请中各个实施例提供的数据处理方法。
在一些实施例中，车载终端1000还可选包括有：外围设备接口1003和至少一个外围设备。处理器1001、存储器1002和外围设备接口1003之间能够通过总线或信号线相连。各个外围设备能够通过总线、信号线或电路板与外围设备接口1003相连。具体地，外围设备包括：射频电路1004、触摸显示屏1005、摄像头组件1006、音频电路1007、定位组件1008和电源1009中的至少一种。
外围设备接口1003可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器1001和存储器1002。在一些实施例中，处理器1001、存储器1002和外围设备接口1003被集成在同一芯片或电路板上；在一些其他实施例中，处理器1001、存储器1002和外围设备接口1003中的任意一个或两个在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路1004用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1004通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1004将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1004包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。可选地，射频电路1004通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1004还包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏1005用于显示UI(User Interface，用户界面)。可选地，该UI包括图形、文本、图标、视频及其它们的任意组合。当显示屏1005是触摸显示屏时，显示屏1005还具有采集在显示屏1005的表面或表面上方的触摸信号的能力。该触摸信号能够作为控制信号输入至处理器1001进行处理。可选地，显示屏1005还用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1005为一个，设置车载终端1000的前面板；在另一些实施例中，显示屏1005为至少两个，分别设置在车载终端1000的不同表面或呈折叠设计；在再一些实施例中，显示屏1005是柔性显示屏，设置在车载终端1000的弯曲表面上或折叠面上。甚至，可选地，显示屏1005设置成非矩形的不规则图形，也即异形屏。可选地，显示屏1005采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-EmittingDiode,有机发光二极管)等材质制备。
摄像头组件1006用于采集图像或视频。可选地，摄像头组件1006包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1006还包括闪光灯。可选地，闪光灯是单色温闪光灯，或者是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，用于不同色温下的光线补偿。
在一些实施例中，音频电路1007包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1001进行处理，或者输入至射频电路1004以实现语音通信。出于立体声采集或降噪的目的，麦克风为多个，分别设置在车载终端1000的不同部位。可选地，麦克风是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1001或射频电路1004的电信号转换为声波。可选地，扬声器是传统的薄膜扬声器，或者是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅能够将电信号转换为人类可听见的声波，也能够将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1007还包括耳机插孔。
定位组件1008用于定位车载终端1000的当前地理位置，以实现导航或LBS(Location Based Service，基于位置的服务)。可选地，定位组件1008是基于美国的GPS(Global Positioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源1009用于为车载终端1000中的各个组件进行供电。可选地，电源1009是交流电、直流电、一次性电池或可充电电池。当电源1009包括可充电电池时，该可充电电池支持有线充电或无线充电。该可充电电池还用于支持快充技术。
在一些实施例中，车载终端1000还包括有一个或多个传感器1010。该一个或多个传感器1010包括但不限于：加速度传感器1011、陀螺仪传感器1012、压力传感器1013、指纹传感器1014、光学传感器1015以及接近传感器1016。
在一些实施例中，加速度传感器1011检测以车载终端1000建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1011用于检测重力加速度在三个坐标轴上的分量。可选地，处理器1001根据加速度传感器1011采集的重力加速度信号，控制触摸显示屏1005以横向视图或纵向视图进行用户界面的显示。加速度传感器1011还用于游戏或者用户的运动数据的采集。
在一些实施例中，陀螺仪传感器1012检测车载终端1000的机体方向及转动角度，陀螺仪传感器1012与加速度传感器1011协同采集用户对车载终端1000的3D动作。处理器1001根据陀螺仪传感器1012采集的数据，实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
可选地，压力传感器1013设置在车载终端1000的侧边框和/或触摸显示屏1005的下层。当压力传感器1013设置在车载终端1000的侧边框时，能够检测用户对车载终端1000的握持信号，由处理器1001根据压力传感器1013采集的握持信号进行左右手识别或快捷操作。当压力传感器1013设置在触摸显示屏1005的下层时，由处理器1001根据用户对触摸显示屏1005的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器1014用于采集用户的指纹，由处理器1001根据指纹传感器1014采集到的指纹识别用户的身份，或者，由指纹传感器1014根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1001授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。可选地，指纹传感器1014被设置车载终端1000的正面、背面或侧面。当车载终端1000上设置有物理按键或厂商Logo时，指纹传感器1014能够与物理按键或厂商Logo集成在一起。
光学传感器1015用于采集环境光强度。在一个实施例中，处理器1001根据光学传感器1015采集的环境光强度，控制触摸显示屏1005的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1005的显示亮度；当环境光强度较低时，调低触摸显示屏1005的显示亮度。在另一个实施例中，处理器1001还根据光学传感器1015采集的环境光强度，动态调整摄像头组件1006的拍摄参数。
接近传感器1016，也称距离传感器，通常设置在车载终端1000的前面板。接近传感器1016用于采集用户与车载终端1000的正面之间的距离。在一个实施例中，当接近传感器1016检测到用户与车载终端1000的正面之间的距离逐渐变小时，由处理器1001控制触摸显示屏1005从亮屏状态切换为息屏状态；当接近传感器1016检测到用户与车载终端1000的正面之间的距离逐渐变大时，由处理器1001控制触摸显示屏1005从息屏状态切换为亮屏状态。
本领域技术人员能够理解，图10中示出的结构并不构成对车载终端1000的限定，能够包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
图11是本申请实施例提供的一种计算机设备的结构示意图，该计算机设备1100可因配置或性能不同而产生比较大的差异，该计算机设备1100包括一个或一个以上处理器(Central Processing Units，CPU)1101和一个或一个以上的存储器1102，其中，该存储器1102中存储有至少一条程序代码，该至少一条程序代码由该处理器1101加载并执行以实现上述各个实施例提供的数据处理方法。可选地，该计算机设备1100还具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该计算机设备1100还包括其他用于实现设备功能的部件，在此不做赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括至少一条程序代码的存储器，上述至少一条程序代码可由终端中的处理器执行以完成上述实施例中数据处理方法。例如，该计算机可读存储介质包括ROM(Read-Only Memory，只读存储器)、RAM(Random-Access Memory，随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory，只读光盘)、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，包括一条或多条程序代码，该一条或多条程序代码存储在计算机可读存储介质中。计算机设备的一个或多个处理器能够从计算机可读存储介质中读取该一条或多条程序代码，该一个或多个处理器执行该一条或多条程序代码，使得计算机设备能够执行以完成上述实施例中数据处理方法。
本领域普通技术人员能够理解实现上述实施例的全部或部分步骤能够通过硬件来完成，也能够通过程序来指令相关的硬件完成，可选地，该程序存储于一种计算机可读存储介质中，可选地，上述提到的存储介质是只读存储器、磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (21)

1.一种数据处理方法，其特征在于，所述方法包括：
基于载具在行驶过程中采集的路测数据，确定至少一种场景数据，所述场景数据用于对路径规划模型进行仿真；
将所述至少一种场景数据输入所述路径规划模型，对所述载具进行路径规划，输出所述载具的仿真行驶信息；
基于所述仿真行驶信息，对所述路径规划模型进行参数调整。
2.根据权利要求1所述的方法，其特征在于，所述对所述载具进行路径规划，输出所述载具的仿真行驶信息包括：
基于所述至少一种场景数据，确定所述载具的仿真行驶位置；
基于所述仿真行驶位置，对所述载具进行路径规划，得到所述载具的仿真行驶信息。
3.根据权利要求2所述的方法，其特征在于，所述场景数据包括交通灯信息、车道线信息、障碍物的起始位置、障碍物的运动信息、路面信息或者载具行驶信息中至少一项。
4.根据权利要求3所述的方法，其特征在于，若所述场景数据包括障碍物的起始位置，所述基于所述仿真行驶位置，对所述载具进行路径规划包括：
响应于所述载具的仿真行驶位置与任一障碍物的起始位置之间的距离小于距离阈值，获取所述任一障碍物的运动信息；
基于所述任一障碍物的运动信息，对所述载具进行路径规划。
5.根据权利要求3所述的方法，其特征在于，若所述场景数据包括车道线信息，所述基于所述仿真行驶位置，对所述载具进行路径规划包括：
基于所述载具的仿真行驶位置，确定所述仿真行驶位置所在路段的车道线信息；
基于所述路段的车道线信息，对所述载具进行路径规划。
6.根据权利要求3所述的方法，其特征在于，若所述场景数据包括交通灯信息，所述基于所述仿真行驶位置，对所述载具进行路径规划包括：
基于所述载具的仿真行驶位置，确定与所述仿真行驶位置之间距离最近的交通灯信息；
基于所述交通灯信息，对所述载具进行路径规划。
7.根据权利要求6所述的方法，其特征在于，所述基于所述载具的仿真行驶位置，确定与所述仿真行驶位置之间距离最近的交通灯信息包括：
查找与所述仿真行驶位置之间距离最近的标定位置，一个标定位置与所述标定位置所处目标范围内的一个交通灯信息对应存储；
将与所述标定位置对应存储的交通灯信息确定为与所述仿真行驶位置之间距离最近的交通灯信息。
8.根据权利要求1所述的方法，其特征在于，所述基于载具在行驶过程中采集的路测数据，确定至少一种场景数据包括：
对所述路测数据进行解析，得到至少一种初始场景数据，一种初始场景数据具有至少一个时间戳；
获取所述至少一种初始场景数据所对应的至少一个时间序列，将所述至少一个时间序列确定为所述至少一种场景数据。
9.根据权利要求8所述的方法，其特征在于，所述获取所述至少一种初始场景数据所对应的至少一个时间序列包括：
对任一种初始场景数据，按照时间戳从小到大的顺序，对所述初始场景数据中的至少一个元素进行排序，得到一个时间序列。
10.一种数据处理装置，其特征在于，所述装置包括：
确定模块，用于基于载具在行驶过程中采集的路测数据，确定至少一种场景数据，所述场景数据用于对路径规划模型进行仿真；
路径规划模块，用于将所述至少一种场景数据输入所述路径规划模型，对所述载具进行路径规划，输出所述载具的仿真行驶信息；
调整模块，用于基于所述仿真行驶信息，对所述路径规划模型进行参数调整。
11.根据权利要求10所述的装置，其特征在于，所述路径规划模块包括：
确定单元，用于基于所述至少一种场景数据，确定所述载具的仿真行驶位置；
路径规划单元，用于基于所述仿真行驶位置，对所述载具进行路径规划，得到所述载具的仿真行驶信息。
12.根据权利要求11所述的装置，其特征在于，所述场景数据包括交通灯信息、车道线信息、障碍物的起始位置、障碍物的运动信息、路面信息或者载具行驶信息中至少一项。
13.根据权利要求12所述的装置，其特征在于，若所述场景数据包括障碍物的起始位置，所述路径规划单元用于：
响应于所述载具的仿真行驶位置与任一障碍物的起始位置之间的距离小于距离阈值，获取所述任一障碍物的运动信息；
基于所述任一障碍物的运动信息，对所述载具进行路径规划。
14.根据权利要求12所述的装置，其特征在于，若所述场景数据包括车道线信息，所述路径规划单元用于：
基于所述载具的仿真行驶位置，确定所述仿真行驶位置所在路段的车道线信息；
基于所述路段的车道线信息，对所述载具进行路径规划。
15.根据权利要求12所述的装置，其特征在于，若所述场景数据包括交通灯信息，所述路径规划单元包括：
确定子单元，用于基于所述载具的仿真行驶位置，确定与所述仿真行驶位置之间距离最近的交通灯信息；
规划子单元，用于基于所述交通灯信息，对所述载具进行路径规划。
16.根据权利要求15所述的装置，其特征在于，所述确定子单元用于：
查找与所述仿真行驶位置之间距离最近的标定位置，一个标定位置与所述标定位置所处目标范围内的一个交通灯信息对应存储；
将与所述标定位置对应存储的交通灯信息确定为与所述仿真行驶位置之间距离最近的交通灯信息。
17.根据权利要求10所述的装置，其特征在于，所述确定模块包括：
解析单元，用于对所述路测数据进行解析，得到至少一种初始场景数据，一种初始场景数据具有至少一个时间戳；
获取确定单元，用于获取所述至少一种初始场景数据所对应的至少一个时间序列，将所述至少一个时间序列确定为所述至少一种场景数据。
18.根据权利要求17所述的装置，其特征在于，所述获取确定单元用于：
对任一种初始场景数据，按照时间戳从小到大的顺序，对所述初始场景数据中的至少一个元素进行排序，得到一个时间序列。
19.一种数据处理系统，其特征在于，所述系统包括载具和计算机设备；
所述载具，用于在行驶过程中采集路测数据，向所述计算机设备发送所述路测数据；
所述计算机设备，用于基于载具在行驶过程中采集的路测数据，确定至少一种场景数据，所述场景数据用于对路径规划模型进行仿真；将所述至少一种场景数据输入所述路径规划模型，对所述载具进行路径规划，输出所述载具的仿真行驶信息；基于所述仿真行驶信息，对所述路径规划模型进行参数调整。
20.一种计算机设备，其特征在于，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求9任一项所述的数据处理方法。
21.一种存储介质，其特征在于，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现如权利要求1至权利要求9任一项所述的数据处理方法。
CN202011288734.6A 2020-11-17 2020-11-17 数据处理方法、装置、系统、计算机设备及存储介质 Active CN112307642B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011288734.6A CN112307642B (zh) 2020-11-17 2020-11-17 数据处理方法、装置、系统、计算机设备及存储介质
PCT/CN2021/118215 WO2022105395A1 (en) 2020-11-17 2021-09-14 Data processing method, apparatus, and system, computer device, and non-transitory storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011288734.6A CN112307642B (zh) 2020-11-17 2020-11-17 数据处理方法、装置、系统、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN112307642A true CN112307642A (zh) 2021-02-02
CN112307642B CN112307642B (zh) 2022-09-16

Family

ID=74336137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011288734.6A Active CN112307642B (zh) 2020-11-17 2020-11-17 数据处理方法、装置、系统、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN112307642B (zh)
WO (1) WO2022105395A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113065240A (zh) * 2021-03-19 2021-07-02 成都安智杰科技有限公司 一种自适应巡航仿真方法、装置、电子设备和存储介质
CN113093627A (zh) * 2021-04-13 2021-07-09 上海车右智能科技有限公司 一种用于自动驾驶测试的运动载具系统
CN113343457A (zh) * 2021-05-31 2021-09-03 苏州智加科技有限公司 自动驾驶的仿真测试方法、装置、设备及存储介质
CN113343425A (zh) * 2021-05-08 2021-09-03 北京三快在线科技有限公司 一种仿真测试的方法及装置
WO2022105395A1 (en) * 2020-11-17 2022-05-27 Suzhou Zhijia Science & Technologies Co., Ltd. Data processing method, apparatus, and system, computer device, and non-transitory storage medium
CN115148028A (zh) * 2022-06-30 2022-10-04 北京小马智行科技有限公司 依据历史数据构建车辆路测场景的方法、装置及一种车辆
US20230098014A1 (en) * 2021-09-24 2023-03-30 Autonomous A2Z Method for Predicting Traffic Light Information by Using Lidar and Server Using the Same

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118025235B (zh) * 2024-04-12 2024-07-12 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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109597317A (zh) * 2018-12-26 2019-04-09 广州小鹏汽车科技有限公司 一种基于自学习的车辆自动驾驶方法、系统及电子设备
CN111142539A (zh) * 2020-01-13 2020-05-12 中智行科技有限公司 一种无人驾驶车辆控制方法、装置和无人驾驶车辆

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549366B (zh) * 2018-05-04 2020-11-10 同济大学 智能汽车道路行驶与虚拟测试平行映射实验方法
US20200209874A1 (en) * 2018-12-31 2020-07-02 Chongqing Jinkang New Energy Vehicle, Ltd. Combined virtual and real environment for autonomous vehicle planning and control testing
CN111611711B (zh) * 2020-05-21 2023-06-20 北京百度网讯科技有限公司 自动驾驶数据处理方法、装置及电子设备
CN111505965B (zh) * 2020-06-17 2020-09-29 深圳裹动智驾科技有限公司 自动驾驶车辆仿真测试的方法、装置、计算机设备及存储介质
CN112307642B (zh) * 2020-11-17 2022-09-16 苏州智加科技有限公司 数据处理方法、装置、系统、计算机设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109597317A (zh) * 2018-12-26 2019-04-09 广州小鹏汽车科技有限公司 一种基于自学习的车辆自动驾驶方法、系统及电子设备
CN111142539A (zh) * 2020-01-13 2020-05-12 中智行科技有限公司 一种无人驾驶车辆控制方法、装置和无人驾驶车辆

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022105395A1 (en) * 2020-11-17 2022-05-27 Suzhou Zhijia Science & Technologies Co., Ltd. Data processing method, apparatus, and system, computer device, and non-transitory storage medium
CN113065240A (zh) * 2021-03-19 2021-07-02 成都安智杰科技有限公司 一种自适应巡航仿真方法、装置、电子设备和存储介质
CN113093627A (zh) * 2021-04-13 2021-07-09 上海车右智能科技有限公司 一种用于自动驾驶测试的运动载具系统
CN113343425A (zh) * 2021-05-08 2021-09-03 北京三快在线科技有限公司 一种仿真测试的方法及装置
CN113343457A (zh) * 2021-05-31 2021-09-03 苏州智加科技有限公司 自动驾驶的仿真测试方法、装置、设备及存储介质
US20230098014A1 (en) * 2021-09-24 2023-03-30 Autonomous A2Z Method for Predicting Traffic Light Information by Using Lidar and Server Using the Same
US11643093B2 (en) * 2021-09-24 2023-05-09 Autonmous A2Z Method for predicting traffic light information by using lidar and server using the same
CN115148028A (zh) * 2022-06-30 2022-10-04 北京小马智行科技有限公司 依据历史数据构建车辆路测场景的方法、装置及一种车辆
CN115148028B (zh) * 2022-06-30 2023-12-15 北京小马智行科技有限公司 依据历史数据构建车辆路测场景的方法、装置及一种车辆

Also Published As

Publication number Publication date
WO2022105395A1 (en) 2022-05-27
CN112307642B (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
CN112307642B (zh) 数据处理方法、装置、系统、计算机设备及存储介质
CN111126182B (zh) 车道线检测方法、装置、电子设备及存储介质
CN110967011B (zh) 一种定位方法、装置、设备及存储介质
CN110795523B (zh) 车辆定位方法、装置以及智能车辆
CN111192341A (zh) 生成高精地图的方法、装置、自动驾驶设备及存储介质
CN111125442B (zh) 数据标注方法及装置
CN110986930B (zh) 设备定位方法、装置、电子设备及存储介质
CN111983559A (zh) 室内定位导航方法及装置
CN110544272A (zh) 脸部跟踪方法、装置、计算机设备及存储介质
CN110920631B (zh) 控制车辆的方法、装置、电子设备及可读存储介质
CN113343457B (zh) 自动驾驶的仿真测试方法、装置、设备及存储介质
CN113205515B (zh) 目标检测方法、装置、及计算机存储介质
CN113807470B (zh) 一种车辆行驶状态确定方法和相关装置
WO2021088497A1 (zh) 虚拟物体显示方法、全局地图更新方法以及设备
CN112711335B (zh) 虚拟环境画面的显示方法、装置、设备及存储介质
CN113160427A (zh) 虚拟场景的创建方法、装置、设备及存储介质
CN112269939B (zh) 自动驾驶的场景搜索方法、装置、终端、服务器及介质
CN111179628B (zh) 自动驾驶车辆的定位方法、装置、电子设备及存储介质
CN114623836A (zh) 车辆位姿确定方法、装置及车辆
CN111275300A (zh) 路网数据处理方法、装置、设备及存储介质
CN113734199B (zh) 车辆控制方法、装置、终端及存储介质
CN111836108B (zh) 媒体资源播放方法、装置、终端及存储介质
CN113239901B (zh) 场景识别方法、装置、设备及存储介质
CN112241662B (zh) 一种检测可行驶区域的方法及装置
CN118279537A (zh) 泊车场景下高精地图的显示方法、装置、设备及介质

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