CN112597122A - 自动驾驶车辆的车载数据处理方法、装置和电子设备 - Google Patents

自动驾驶车辆的车载数据处理方法、装置和电子设备 Download PDF

Info

Publication number
CN112597122A
CN112597122A CN202010917218.9A CN202010917218A CN112597122A CN 112597122 A CN112597122 A CN 112597122A CN 202010917218 A CN202010917218 A CN 202010917218A CN 112597122 A CN112597122 A CN 112597122A
Authority
CN
China
Prior art keywords
data
data set
vehicle
fusion weight
fusion
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
Application number
CN202010917218.9A
Other languages
English (en)
Inventor
李文超
倪凯
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.)
HoloMatic Technology Beijing Co Ltd
Original Assignee
HoloMatic Technology Beijing 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 HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202010917218.9A priority Critical patent/CN112597122A/zh
Publication of CN112597122A publication Critical patent/CN112597122A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/217—Database tuning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24568—Data stream processing; Continuous queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开的实施例公开了自动驾驶车辆的车载数据处理方法、装置和电子设备。该方法的一具体实施方式包括：分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集；从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集；从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集；基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重；基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集。该实施方式提高了生成车载融合数据的精度。

Description

自动驾驶车辆的车载数据处理方法、装置和电子设备
技术领域
本公开的实施例涉及计算机技术领域，具体涉及自动驾驶车辆的车载数据处理方法、装置和电子设备。
背景技术
在智能交通领域，自动驾驶行为的研究已经成为热点研究内容，而车载数据是分析自动驾驶行为的重要数据。现有的生成车载数据的方法往往通过单一的车载传感器采集生成。
然而，当采用上述方法生成车载数据时，经常会存在以下技术问题：
第一，采集的车载数据存有异常数据，异常数据无法自动剔除造成数据质量偏低；
第二，生成的车载数据精度偏低。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了自动驾驶车辆的车载数据处理方法、装置和电子设备，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种自动驾驶车辆的车载数据处理方法，该方法包括：分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集；从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集；从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集；基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重；基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集。
第二方面，本公开的一些实施例提供了一种自动驾驶车辆的车载数据处理的装置，装置包括：采集单元，被配置成分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集。第一选择单元，被配置成从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集。第二选择单元，被配置成从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集。生成单元，被配置成基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重。融合单元，被配置成基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。
本公开的上述各个实施例具有如下有益效果：首先，分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集。由不同传感器采集的车载数据为后续生成车载融合数据奠定基础。其次，从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集。由于上述预定条件限制了第一车载数据集中因采集误差而导致的异常数据的存在，因此选出的第一数据集中不存在异常数据，不存在异常数据的第一数据集是具有高质量的数据集。然后，从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集。由于上述预定条件限制了第二车载数据集中因采集误差而导致的异常数据的存在，因此选出的第二数据集中不存在异常数据，不存在异常数据的第二数据集是具有高质量的数据集。再然后，基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重。上述第一数据融合权重和上述第二数据融合权重衡量了第一数据和第二数据的不同重要性，为上述不同传感器采集到的第一数据和第二数据进行融合奠定了基础。最后，基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集。上述车载融合数据集融合了不同传感器采集的经过剔除异常数据的高质量数据，因此，融合后的车载融合数据集具有高质量数据。从而解决了采集的车载数据存有异常数据，而异常数据无法自动剔除所造成数据质量偏低的问题。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开的一些实施例的自动驾驶车辆的车载数据处理方法的一个应用场景的示意图；
图2是根据本公开的一些实施例的自动驾驶车辆的车载数据处理方法的一些实施例的流程图；
图3是根据本公开的一些实施例的自动驾驶车辆的车载数据处理的装置的一些实施例的流程图；
图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的自动驾驶车辆的车载数据处理方法的一个应用场景的示意图101。
在图1的应用场景图中，首先，计算设备101分别从目标车辆的第一传感器和第二传感器采集第一车载数据集102和第二车载数据集103。其次，计算设备101从上述第一车载数据集102中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集104。然后，计算设备101从上述第二车载数据集103中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集105。再然后，计算设备101基于上述第一数据集104和上述第二数据集105，生成第一数据融合权重106和第二数据融合权重107。最后，计算设备101基于上述第一数据融合权重106和上述第二数据融合权重107，将上述第一数据集104和上述第二数据集105进行融合，得到车载融合数据集108。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备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计算设备。
继续参考图2，示出了根据本公开的自动驾驶车辆的车载数据处理方法的一些实施例的流程200。该方法可以由图1中的计算设备101来执行。上述自动驾驶车辆的车载数据处理方法，包括以下步骤：
步骤201，分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集。
在一些实施例中，自动驾驶车辆的车载数据处理方法的执行主体(例如图1所示的计算设备101)可以通过有线连接方式或者无线连接方式从终端分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集。其中，上述第一车载数据可以是实际车辆通过GPS传感器采集的车速数据。上述第二车载数据可以是通过惯性测量单元传感器采集的车速数据。
作为示例，上述第一车载数据集可以是“GPS传感器采集的车速数据(km/h)：33，46，26，12，34，25，31，32，22，45，13，24，0，123，59”。上述第二车载数据集可以是“惯性测量单元传感器采集的车速数据(km/h)：31，48，25，10，35，28，31，32，22，48，15，24，6，119，58”。
步骤202，从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集。
在一些实施例中，上述执行主体可以从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集。具体的，可以从上述第一车载数据集中选择预设范围内的第一车载数据作为第一数据，得到第一数据集。
作为示例，上述第一车载数据集可以是“GPS传感器采集的车速数据(km/h)：33，46，26，12，34，25，31，32，22，45，13，24，0，123，59”。上述预设范围是0≤v≤60km/h。从上述第一车载数据集中选择满足上述预设范围的第一车载数据作为第一数据，得到第一数据集：“GPS传感器采集的车速数据(km/h)：33，46，26，12，34，25，31，32，22，45，13，24，0，59”。
在一些实施例的一些可选的实现方式中，上述执行主体从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集，包括以下步骤：
第一步，将上述第一车载数据集输入至以下公式以生成第一车载数据集的变异值：
Figure BDA0002665438890000061
其中，C1表示第一车载数据集的变异值。p表示第一数据的序号。q表示第一数据的数目。
Figure BDA0002665438890000062
表示第一车载数据集的平均值。x1(p)表示第p个第一数据。k表示常数。
作为示例，上述第一数据集：“GPS传感器采集的车速数据(km/h)：33，46，26，12，34，25，31，32，22，45，13，24，0，59”。将上述第一车载数据集输入至上述公式生成第一车载数据集的变异值：81.1％。
第二步，基于上述第一车载数据集的变异值，从上述第一车载数据集中选择预定数目个第一车载数据组成第一数据集。具体的，首先，根据上述第一车载数据集的变异值和预设车载数据的变异值范围，确定上述第一车载数据是否存在异常数据。其中，上述预设车载数据的变异值范围为大于15％。其次，响应于确定上述第一车载数据存在异常数据，从上述第一车载数据集中选择预定数目个第一车载数据组成第一数据集。
作为示例，首先，上述第一车载数据集的变异值为81.1％，超过预设的变异值范围15％，则表明上述第一车载数据集中存在异常数据。其次，上述第一车载数据集可以是“GPS传感器采集的车速数据(km/h)：33，46，26，12，34，25，31，32，22，45，13，24，0，123，59”。从上述第一车载数据集中选择预定数目个第一车载数据组成第一数据集。选择的第一数据集为“GPS传感器采集的车速数据(km/h)：33，46，26，12，34，25，31，32，22，45，13，24，0，59”。
步骤203，从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集。
在一些实施例中，上述执行主体可以从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集。具体的，上述执行主体可以从上述第二车载数据集中选择上述预设范围内的第二车载数据作为第二数据，得到第二数据集。
作为示例，上述第二车载数据集可以是“惯性测量单元传感器采集的车速数据(km/h)：31，48，25，10，35，28，31，32，22，48，15，24，6，119，58”。上述预设范围是0≤v≤60km/h。从上述第二车载数据集中选择满足上述预设范围的第二车载数据作为第二数据，得到第二数据集：“惯性测量单元传感器采集的车速数据(km/h)：31，48，25，10，35，28，31，32，22，48，15，24，6，58”。
在一些实施例的一些可选的实现方式中，上述执行主体从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集，包括以下步骤：
第一步，将上述第二车载数据集输入至上述公式以生成第二车载数据集的变异值。
Figure BDA0002665438890000071
其中，C2表示第二车载数据集的变异值。n表示第二数据的序号。m表示第二数据的数目。
Figure BDA0002665438890000072
表示第二车载数据集的平均值。x2(n)表示第n个第二数据。
作为示例，第二数据集：“惯性测量单元传感器采集的车速数据(km/h)：31，48，25，10，35，28，31，32，22，48，15，24，6，58”。将上述第二车载数据集输入至上述公式生成第二车载数据集的变异值：76.37％。
第二步，基于上述第二车载数据集的变异值，从上述第二车载数据集中选择预定数目个第二车载数据组成第二数据集。具体的，首先，根据上述第二车载数据集的变异值和预设车载数据的变异值范围，确定上述第二车载数据是否存在异常数据。其中，上述预设车载数据的变异值范围为大于15％。其次，响应于确定上述第二车载数据存在异常数据，从上述第二车载数据集中选择预定数目个第二车载数据组成第二数据集。
作为示例，首先，上述第二车载数据集的变异值为76.37％，超过了上述预设的变异值范围15％，则表明上述第二车载数据集中存在异常数据。其次，上述第二车载数据集可以是“惯性测量单元传感器采集的车速数据(km/h)：31，48，25，10，35，28，31，32，22，48，15，24，6，119，58”。从上述第二车载数据集中选择预定数目个第二车载数据组成第二数据集。选择的第二数据集为“惯性测量单元传感器采集的车速数据(km/h)：31，48，25，10，35，28，31，32，22，48，15，24，6，58”。
步骤204，基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重。
在一些实施例中，上述执行主体基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重。具体的，将第一数据融合权重设置为30％，将第二车载数据设置为70％。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重。具体的，将上述第一数据集和上述第二数据集输入至以下公式以生成第一数据融合权重和第二数据融合权重：
Figure BDA0002665438890000091
其中，ω1表示第一数据融合权重。ω2表示第二数据融合权重，。S表示第一数据或第二数据的序号。k表示第一数据或第二数据的数目。x1表示第一数据。x2表示第二数据。x1(s)表示第S个第一数据。x2(s)表示第S个第二数据。
作为示例，将上述第一数据集为“GPS传感器采集的车速数据(km/h)：33，46，26，12，34，25，31，32，22，45，13，24，0，59”和上述第二数据集为“惯性测量单元传感器采集的车速数据(km/h)：31，48，25，10，35，28，31，32，22，48，15，24，6，58”。输入至上述公式，得到第一数据融合权重和第二数据融合权重分别为0.541和0.458。
上述公式作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“车载数据精度偏低”。影响车载数据精度偏低的因素是现有的车载数据往往通过单个传感器采集生成，单个传感器采集的车载数据会由于各种客观或主观原因导致采集不稳定从而导致车载数据精度偏低。如果解决了上述因素，就能达到提高车载数据精度的效果。为了达到这一效果，本公开引入了双传感器采集车载数据以提高车载数据精度。当双传感器的其中一个传感器不稳定而导致精度偏低时则赋予该车载数据较低的权重，而赋予另一个稳定性较高的传感器采集到的车载数据较高的权重。而权重的衡量是以各个车载数据的误差确定的，误差是采集值与真实值之间的差值，若差值越大，则说明采集值与真实值之间的差距就越大，从而，采集的车载数据越不稳定。而上述误差是通过上述公式中两个车载数据的自协方差和互协方差确定的，而上述自协方差和互协方差是由各个车载数据确定的。由于通过误差能够很好的衡量各个传感器采集车载数据的稳定性。因此，将稳定性低的传感器赋予较低的权重，稳定性高的传感器赋予较高的权重。最后，将采集到的不同车载数据分别乘以相应的权重再进行输出，可以提高生成的车载数据精度。
步骤205，基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集。
在一些实施例中，上述执行主体基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集据集。具体的，将上述第一数据集、上述第二数据集、上述第一数据融合权重和上述第二数据融合权重输入至以下公式，得到车载融合数据集据集：
x(s)＝ω1x1(s)+ω2x2(s)，s∈{1，…k}。
其中，x(s)表示第S个车载融合数据。
作为示例，上述第一数据集为“GPS传感器采集的车速数据(km/h)：33，46，26，12，34，25，31，32，22，45，13，24，0，59”和上述第二数据集为“惯性测量单元传感器采集的车速数据(km/h)：31，48，25，10，35，28，31，32，22，48，15，24，6，58”。上述第一数据融合权重为0.541。上述第二数据融合权重为0.458。则车载融合数据集为：“32.0822，46.917，25.541，11.082，34.458，26.376，31，32，22，46.376，13.917，24，2.753，58.541”。
在一些实施例的一些可选的实现方式中，上述执行主体将上述车载融合数据集存储并发送至目标显示终端，以供上述目标显示终端进行显示。
首先，将上述车载融合数据集存储至磁盘。本公开在存储车载融合数据时，有两种工作模式：本地存储模式和云端存储模式。
当工作模式为本地存储模式时，根据配置占用不超过指定数量的存储空间，将上述车载融合数据集通过指定文件格式存储到本地存储器中。当工作模式为云端存储模式时，根据配置使用不超过指定数量的网络流量，将上述车载融合数据集通过车载网联终端发送到指定的云端服务器进行存储。
作为示例，当工作模式为本地存储模式时，产生的车载融合数据集占用存储空间达到上述指定数量后，新产生的车载融合数据集可以覆盖掉其他存储内的数据或者抛弃新产生的车载融合数据集。当系统工作在云端存储模式时，当上述指定流量用尽后，则停止传输车载融合数据集到云端，直到再一次被配置得到新的流量。
其次，将存储在磁盘中的上述车载融合数据发送至目标显示终端。具体的，目标显示终端可以是目标车辆的显示器。
本公开的上述各个实施例具有如下有益效果：首先，分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集。由不同传感器采集的车载数据为后续生成车载融合数据奠定基础。其次，从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集。由于上述预定条件限制了第一车载数据集中因采集误差而导致的异常数据的存在，因此选出的第一数据集中不存在异常数据，不存在异常数据的第一数据集是具有高质量的数据集。然后，从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集。由于上述预定条件限制了第二车载数据集中因采集误差而导致的异常数据的存在，因此选出的第二数据集中不存在异常数据，不存在异常数据的第二数据集是具有高质量的数据集。再然后，基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重。上述第一数据融合权重和上述第二数据融合权重衡量了第一数据和第二数据的不同重要性，为上述不同传感器采集到的第一数据和第二数据进行融合奠定了基础。最后，基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集。上述车载融合数据集融合了不同传感器采集的经过剔除异常数据的高质量数据，因此，融合后的车载融合数据集具有高质量数据。从而解决了采集的车载数据存有异常数据，而异常数据无法自动剔除所造成数据质量偏低的问题。
进一步参考图3，作为对上述各图上述方法的实现，本公开提供了一种自动驾驶车辆的车载数据处理的装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，一些实施例的自动驾驶车辆的车载数据处理的装置300，装置包括：采集单元301、第一选择单元302、第二选择单元303、生成单元304、融合单元305。其中，采集单元301，被配置成分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集；第一选择单元302，被配置成从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集；第二选择单元303，被配置成从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集；生成单元304，被配置成基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重；融合单元305，被配置成基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集。
可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)400的结构示意图。图4示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口404也连接至总线404。
通常，以下装置可以连接至I/O接口404：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集；从上述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集；从上述第二车载数据集中选择满足上述预定条件的第二车载数据作为第二数据，得到第二数据集；基于上述第一数据集和上述第二数据集，生成第一数据融合权重和第二数据融合权重；基于上述第一数据融合权重和上述第二数据融合权重，将上述第一数据集和上述第二数据集进行融合，得到车载融合数据集。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括采集单元、第一选择单元、第二选择单元、生成单元、融合单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，采集单元还可以被描述为“分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方法。

Claims (9)

1.一种自动驾驶车辆的车载数据处理方法，包括：
分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集；
从所述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集；
从所述第二车载数据集中选择满足所述预定条件的第二车载数据作为第二数据，得到第二数据集；
基于所述第一数据集和所述第二数据集，生成第一数据融合权重和第二数据融合权重；
基于所述第一数据融合权重和所述第二数据融合权重，将所述第一数据集和所述第二数据集进行融合，得到车载融合数据集。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述车载融合数据集存储并发送至目标显示终端，以供所述目标显示终端进行显示。
3.根据权利要求2所述的方法，其中，所述从所述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集，包括：
基于所述第一车载数据集，生成所述第一车载数据集的变异值；
基于所述第一车载数据集的变异值，从所述第一车载数据集中选择预定数目个第一车载数据组成第一数据集。
4.根据权利要求3所述的方法，其中，所述从所述第二车载数据集中选择满足所述预定条件的第二车载数据作为第二数据，得到第二数据集，包括：
基于所述第二车载数据集，生成所述第二车载数据集的变异值；
基于所述第二车载数据集的变异值，从所述第二车载数据集中选择预定数目个第二车载数据组成第二数据集。
5.根据权利要求4所述的方法，其中，所述基于所述第一数据集和所述第二数据集，生成第一数据融合权重和第二数据融合权重，包括：
将所述第一数据集和所述第二数据集输入至以下公式以生成第一数据融合权重和第二数据融合权重：
Figure FDA0002665438880000021
其中，ω1表示第一数据融合权重，ω2表示第二数据融合权重，S表示第一数据或第二数据的序号，k表示第一数据或第二数据的数目，x1表示第一数据，x2表示第二数据，x1(s)表示第S个第一数据，x2(s)表示第S个第二数据。
6.根据权利要求5所述的方法，其中，所述基于所述第一数据融合权重和所述第二数据融合权重，将所述第一数据集和所述第二数据集进行融合，得到车载融合数据集，包括：
将所述第一数据融合权重、所述第二数据融合权重、所述第一数据集以及所述第二数据集输入至以下公式以生成车载融合数据集：
x(s)＝ω1x1(s)+ω2x2(s)，s∈{1，…k}，
其中，x(s)表示第S个车载融合数据。
7.一种自动驾驶车辆的车载数据处理的装置，包括：
采集单元，被配置成分别从目标车辆的第一传感器和第二传感器采集第一车载数据集和第二车载数据集；
第一选择单元，被配置成从所述第一车载数据集中选择满足预定条件的第一车载数据作为第一数据，得到第一数据集；
第二选择单元，被配置成从所述第二车载数据集中选择满足所述预定条件的第二车载数据作为第二数据，得到第二数据集；
生成单元，被配置成基于所述第一数据集和所述第二数据集，生成第一数据融合权重和第二数据融合权重；
融合单元，被配置成基于所述第一数据融合权重和所述第二数据融合权重，将所述第一数据集和所述第二数据集进行融合，得到车载融合数据集。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN202010917218.9A 2020-09-03 2020-09-03 自动驾驶车辆的车载数据处理方法、装置和电子设备 Pending CN112597122A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010917218.9A CN112597122A (zh) 2020-09-03 2020-09-03 自动驾驶车辆的车载数据处理方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010917218.9A CN112597122A (zh) 2020-09-03 2020-09-03 自动驾驶车辆的车载数据处理方法、装置和电子设备

Publications (1)

Publication Number Publication Date
CN112597122A true CN112597122A (zh) 2021-04-02

Family

ID=75180150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010917218.9A Pending CN112597122A (zh) 2020-09-03 2020-09-03 自动驾驶车辆的车载数据处理方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN112597122A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108573271A (zh) * 2017-12-15 2018-09-25 蔚来汽车有限公司 多传感器目标信息融合的优化方法及装置、计算机设备和记录介质
CN108760987A (zh) * 2018-05-31 2018-11-06 深圳森阳环保材料科技有限公司 大气污染物智能观测系统
CN108900622A (zh) * 2018-07-10 2018-11-27 广州智能装备研究院有限公司 基于物联网的数据融合方法、装置与计算机可读存储介质
CN110376583A (zh) * 2018-09-30 2019-10-25 长城汽车股份有限公司 用于车辆传感器的数据融合方法及装置
CN110654395A (zh) * 2018-06-29 2020-01-07 比亚迪股份有限公司 车载控制系统、车辆及方法
CN111137283A (zh) * 2019-12-27 2020-05-12 奇瑞汽车股份有限公司 传感器数据融合方法、装置、高级辅助驾驶系统及车辆
CN111428759A (zh) * 2020-03-10 2020-07-17 北京新能源汽车技术创新中心有限公司 数据融合方法、电子设备及存储介质
CN111505727A (zh) * 2020-04-16 2020-08-07 清华大学 基于多传感器数据融合的振动补偿方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108573271A (zh) * 2017-12-15 2018-09-25 蔚来汽车有限公司 多传感器目标信息融合的优化方法及装置、计算机设备和记录介质
CN108760987A (zh) * 2018-05-31 2018-11-06 深圳森阳环保材料科技有限公司 大气污染物智能观测系统
CN110654395A (zh) * 2018-06-29 2020-01-07 比亚迪股份有限公司 车载控制系统、车辆及方法
CN108900622A (zh) * 2018-07-10 2018-11-27 广州智能装备研究院有限公司 基于物联网的数据融合方法、装置与计算机可读存储介质
CN110376583A (zh) * 2018-09-30 2019-10-25 长城汽车股份有限公司 用于车辆传感器的数据融合方法及装置
CN111137283A (zh) * 2019-12-27 2020-05-12 奇瑞汽车股份有限公司 传感器数据融合方法、装置、高级辅助驾驶系统及车辆
CN111428759A (zh) * 2020-03-10 2020-07-17 北京新能源汽车技术创新中心有限公司 数据融合方法、电子设备及存储介质
CN111505727A (zh) * 2020-04-16 2020-08-07 清华大学 基于多传感器数据融合的振动补偿方法及系统

Similar Documents

Publication Publication Date Title
CN113988720B (zh) 分流路径生成方法、装置、电子设备和计算机可读介质
CN112328731B (zh) 车辆车道级定位方法、装置、电子设备和计算机可读介质
CN112597047A (zh) 测试方法、装置、电子设备和计算机可读介质
CN113674357B (zh) 相机外参标定方法、装置、电子设备和计算机可读介质
CN113126624B (zh) 自动驾驶仿真测试方法、装置、电子设备和介质
CN111950857A (zh) 基于业务指标的指标体系管理方法、装置以及电子设备
CN113934775A (zh) 车辆轨迹地图匹配方法、装置、设备和计算机可读介质
CN112017462B (zh) 用于生成场景信息的方法、装置、电子设备和介质
CN111965383B (zh) 车速信息生成方法、装置、电子设备和计算可读介质
CN112559898B (zh) 物品信息发送方法、装置、电子设备和计算机可读介质
CN113379852B (zh) 用于验证相机标定结果的方法、装置、电子设备和介质
CN112597122A (zh) 自动驾驶车辆的车载数据处理方法、装置和电子设备
CN112373471B (zh) 用于控制车辆行驶的方法、装置、电子设备和可读介质
CN113672630B (zh) 混合数据持久化方法、装置、电子设备和计算机可读介质
CN111950238B (zh) 自动驾驶故障评分表生成方法、装置、电子设备
CN112019406B (zh) 流量监控方法、装置、电子设备和计算机可读介质
CN112507676B (zh) 能源报表生成方法、装置、电子设备和计算机可读介质
CN112346870A (zh) 模型处理方法及系统
CN112596691B (zh) 信息推送方法、装置、电子设备和计算机可读介质
CN112073202B (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN116862319B (zh) 电力指标信息生成方法、装置、电子设备和介质
CN115908143B (zh) 车辆跨层泊车方法、装置、电子设备和计算机可读介质
CN112668194B (zh) 基于页面的自动驾驶场景库信息展示方法、装置和设备
CN113406962B (zh) 自动驾驶车辆测试信息确定方法、装置和电子设备
CN116737917B (zh) 文本推荐信息生成方法、电子设备和计算机可读介质

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