CN112598899A - 一种数据处理方法和装置 - Google Patents
一种数据处理方法和装置 Download PDFInfo
- Publication number
- CN112598899A CN112598899A CN202011395817.5A CN202011395817A CN112598899A CN 112598899 A CN112598899 A CN 112598899A CN 202011395817 A CN202011395817 A CN 202011395817A CN 112598899 A CN112598899 A CN 112598899A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- traffic
- target
- speed
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种数据处理方法和装置,该方法可以应用于智慧交通系统,该方法包括:根据采集到的各目标的定位信息、高度、距离、速度和环境信息,进行目标识别,得到多类目标的特征数据;基于所述多类目标的特征数据,生成广播消息,通过空口发送所述广播消息。其中,多类目标包括:车、行人和障碍物;特征数据包括以下至少一项:轮廓、位置、运动方向、运动速度、高度;广播消息包括以下至少一项:服务信息、交通安全信息和交通效率信息。从而可以为交通主体从信息服务、交通安全和交通效率等各方面提供信息,使得交通主体能够获得更全面的交通信息。
Description
技术领域
本申请涉及数据处理领域,更为具体地,涉及一种数据处理方法和装置。
背景技术
目前,城市道路的交通网络主要依赖于公安、市政、交通管理部门按照各自的管理需求而建设的路侧感知系统,无法为交通网络的智能管理提供全面的分析数据,也无法为交通主体提供全面的路况信息。
发明内容
本申请实施例提供一种数据处理方法和装置,以期为交通网络的智能管理提供全面的分析数据,从而有利于实现交通网络的智能管理。
第一方面,提供了一种数据处理方法,该方法包括:根据采集到的各目标的定位信息、高度、距离、速度和环境信息,进行目标识别,得到多类目标的特征数据,所述多类目标包括:车、行人和障碍物,所述特征数据包括以下至少一项:轮廓、位置、运动方向、运动速度、高度;基于所述多类目标的特征数据,生成广播消息,所述广播消息包括以下至少一项:服务信息、交通安全信息和交通效率信息;通过空口发送所述广播消息。
因此,本申请实施例通过多种感知设备获取不同类型的感知数据,利用多重定位方法对目标进行定位,对获取的多种不同类型的感知数据进行目标识别,得到多类目标的特征数据,并可基于该多类目标的特征数据生成广播消息,从而可以为交通主体从信息服务、交通安全和交通效率等各方面提供信息,使得交通主体能够获得更全面的交通信息,同时也为无人驾驶车辆的广泛应用提供了支持。另一方面,通过空口来传输,利用了5G网络的超低时延、大带宽的特性,使得广播消息得以及时传输到交通主体,保证了信息的时效性。
可选地,该方法还包括:
通过激光雷达采集各目标的高度和距离;
通过毫米波雷达采集各目标的距离和速度;
通过视觉传感器采集各目标的高度、距离、速度和环境信息。
可选地,该方法还包括:对通过所述激光雷达、所述毫米波雷达和所述视觉传感器分别采集到的数据进行坐标变换和时间同步,得到同一坐标系、同一时间系下的数据。
可选地,该方法还包括:通过定位模块采集各目标的定位信息,所述定位信息包括经度和纬度;所述定位模块包括以下至少一项:全球卫星定位系统(global positioningsystem,GPS)、北斗卫星导航系统(BeiDou navigation satellite system,BDS)、实时动态定位(real-time kinematic,RTK)和超宽带(ultra wide band,UWB)定位系统。
可选地,根据采集到的各目标的定位信息、高度、距离、速度和环境信息,进行目标识别,得到多类目标的特征数据,该方法还包括:对通过所述激光雷达、所述毫米波雷达和所述视觉传感器分别采集到数据进行特征提取和数据关联;进行目标识别,得到所述多类目标的特征数据。
可选地,该方法还包括:对所述多类目标的特征数据进行深度计算,得到用于生成所述广播消息的特征数据。
可选地,所述用于生成所述广播消息的特征数据包括以下至少一项:
交通路口的行人和非机动车的定位信息;
交通事件,包括:变道、压线、事故、临时停车、拥堵、逆行中的一项或多项;
车辆特征数据,包括:车型、品牌、车身颜色和车辆大小中的一项或多项;
交通主体的速度;以及
车道及周围环境。
可选地,所述服务信息包括以下至少一项:汽车近场支付、动态高精度地图、泊车引导、出行服务和位置监控;
所述交通安全信息包括以下至少一项:汇入主路预警、交叉路口碰撞预警和路面异常预警;
所述交通效率信息包括以下至少一项:交叉路口车速引导、前方拥堵预警和紧急车辆让行。
第二方面,本申请实施例提供了一种数据处理装置,应用于智慧交通系统,所述装置包括用于实现第一方面及第一方面中任一项所述的方法的单元或模块。
第三方面,本申请实施例提供一种数据处理系统,应用于智慧交通系统,所述系统包括数据处理装置和通信接口。
其中,所述数据处理装置用于对采集到的各目标的定位信息、高度、距离、速度和环境信息进行预处理;并用于对预处理后的各目标的定位信息、高度、距离、速度和环境信息进行目标识别,得到多类目标的特征数据,所述多类目标包括:车、行人和障碍物,所述特征数据包括以下至少一项:轮廓、位置、运动方向、运动速度、高度;并基于所述多类目标的特征数据,生成广播消息,所述广播消息包括以下至少一项:服务信息、交通安全信息和交通效率信息;
所述通信接口用于发送所述广播消息。
可选地,所述系统还包括:激光雷达、毫米波雷达和视觉传感器;所述数据处理装置还用于控制激光雷达采集各目标的高度和距离;还用于控制毫米波雷达采集各目标的距离和速度;还用于控制视觉传感器采集各目标的高度、距离、速度和环境信息。
可选地,所述处理器还用于对通过所述激光雷达、所述毫米波雷达和所述视觉传感器分别采集到的数据进行坐标变换和时间同步,得到同一坐标系、同一时间系下的数据。
可选地,所述系统还包括:定位模块,所述定位模块包括以下至少一项:GPS、BDS、RTK和UWB;所述处理器还用于控制定位模块采集各目标的定位信息,所述定位信息包括经度和纬度。
可选地,所述数据处理装置还用于对通过所述激光雷达、所述毫米波雷达和所述视觉传感器分别采集到数据进行特征提取和数据关联;并用于进行目标识别,得到所述多类目标的特征数据。
可选地,所述数据处理装置还用于对所述多类目标的特征数据进行深度计算,得到用于生成所述广播消息的特征数据。
可选地,所述用于生成所述广播消息的特征数据包括以下至少一项:
交通路口的行人和非机动车的定位信息;
交通事件,包括:变道、压线、事故、临时停车、拥堵、逆行中的一项或多项;
车辆特征数据,包括:车型、品牌、车身颜色和车辆大小中的一项或多项;
交通主体的速度;以及
车道及周围环境。
可选地,所述服务信息包括以下至少一项:汽车近场支付、动态高精度地图、泊车引导、出行服务和位置监控。
可选地,所述交通安全信息包括以下至少一项:汇入主路预警、交叉路口碰撞预警和路面异常预警。
可选地,所述交通效率信息包括以下至少一项:交叉路口车速引导、前方拥堵预警和紧急车辆让行。
第四方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括:计算机程序(也可以称为代码,或指令),当所述计算机程序被运行时,使得计算机执行上述第一方面及第一方面中任一项所述的方法。
第五方面,本申请实施例提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如第一方面及第一方面中任一项所述的方法。
应当理解的是,本申请的第二方面至第五方面与本申请的第一方面的技术方案相对应,各方面及对应的可行实施方式所取得的有益效果相似,不再赘述。
附图说明
图1是适用于本申请实施例提供的数据处理方法的数据处理系统的结构框图;
图2是适用于本申请实施例提供的数据处理方法的示意性流程图;
图3是适用于本申请实施例提供的数据处理方法的另一示意性流程图;
图4是适用于本申请实施例提供的移动边缘计算(mobile edge computing,MEC)决策平台的结构框图;
图5是适用于本申请实施例提供的方法对应的数据处理装置的示意性框图;
图6是适用于本申请实施例提供的数据处理装置的另一示意性框图;
图7是适用于本申请实施例提供的一种数据处理系统的示意图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
图1是适用于本申请实施例提供的数据处理方法的数据处理系统的结构框图。
如图1所示,该系统100包括硬件部分和软件算法部分,每一层都有清晰的角色和分工。层与层之间可以通过通信接口进行数据交互。该系统可以分为五层,分别为防护层110、数据层120、通信层130、计算层140和应用层150。
其中,防护层110采用国标GBT 9089.2-2008规定的防护标准,该防护层110可以用于防雨、防风、防尘、防雷、防电等,并且该防护层110可以耐高温和耐严寒等,可以对整个系统装置起到很好的保护作用。
数据层120是该系统进行数据采集的入口,该数据层120至少由感知装置和定位模块共同组成。感知装置主要包括毫米波雷达、激光雷达、视觉传感器等,在一种具体的实施例中,视觉传感器可以是摄像头。需要说明的是,这些感知装置可以采用可插拔的安装方式,可以根据不同的业务和/或场景需求,灵活配置各感知装置的数量。应理解,毫米波雷达、激光雷达、视觉传感器具有不同的特点和用途,其中,毫米波雷达的感知精度较高,可以直接获取距离和速度信息,不易受天气、光照等的影响,可以全天时、全天候进行数据采集,但毫米波雷达容易被微波多程反射引发干扰,缺失极高精度的信息且采集到的数据较为稀疏;激光雷达的感知精度极高,可以直接获取距离信息,感知范围较大,但不能直接获取速度信息,对距离极近的物体感知效果差,且对金属等反射强度高的物体的检测效果差,受天气的影响较大;视觉传感器的感知精度较高,可以获取全交通主体的信息,但无法直接获取三维信息。根据上述对比和分析可以理解,毫米波雷达、激光雷达、视觉传感器各自具有一定的优点和缺点,将三者配置在一起使用,可以弥补三种采集装置在单独使用时的不足,从而可以实现道路环境信息更精确、更丰富、全天时、全天候的感知。
在上述数据层120中,还包括定位模块,该定位模块包括全球卫星定位系统(global positioning system,GPS)和北斗卫星导航系统(BeiDou navigation satellitesystem,BDS)这样的基础定位模块,以及实时动态定位(real-time kinematic,RTK)和超宽带(ultra wide band,UWB)定位系统这样的高精度定位增强模块。需要说明的是,BDS在单独使用时可能无法精确到分米级的精度,具体而言,GPS或BDS在单独使用时可能无法精准的定位到具体是在哪个车道,因此需要与高精度定位增强模块结合起来获得高精度的定位信息;而RTK在没有基础定位模块的情况下无法进行单独的工作,因此,RTK需要依附于GPS或BDS,在室外无遮挡的情况下对GPS或BDS的感知效果进行增强,在室内或有遮挡的情况下,RTK的增强效果可能会不明显甚至失效;UWB在室内或有遮挡的情况下,可以实现高精度的定位效果,且不需要依附于GPS或BDS,可以单独使用。因此,将GPS、BDS、RTK和UWB结合起来使用,可以实现在遮挡和非遮挡场景下的混合连续定位。
通信层130至少包括4G/5G和V2X通信模组,可以用于数据传输,还可以利用5G的超低时延、大带宽、广链接的特性将5G作为数据传输的备份链路。在该通信层130中可以实现与运营商的嵌入式用户身份识别(embedded subscriber-identity-module,eSIM)平台的对接,实现空中写卡,可以降低插拔用户身份识别(subscriber-identity-module,SIM)卡的维护成本。
计算层140至少包括处理器以及数据融合算法模块和加密算法模块。其中,处理器用于执行算法程序和/或指令,处理器可以包括一个或多个处理单元,例如:可以包括应用处理器(application processor,AP)、调制解调处理器、图形处理器(graphicsprocessing unit,GPU)、图像信号处理器(image signal processor,ISP)、控制器、存储器、视频编解码器、数字信号处理器(digital signal processor,DSP)、基带处理器及神经网络处理器(neural-network processing unit,NPU)等中的一个或多个。应理解,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。数据融合算法模块用于对采集到的数据进行融合处理。加密算法模块用于对数据进行加密,以保证数据的安全性。
应用层150可以至少包括数据预处理模块、传输决策模块、以及软件开发工具包(software development kit,SDK)接口。数据预处理模块可以用于数据校准、数据在空间和时间上的同步等一系列数据预处理工作;传输决策模块可以用于对计算层中的数据融合模块中数据融合后的数据进行数据分析,并做出传输决策;开放SDK接口可以用于与其他平台进行信息交互。
应理解,上文各个层以及各个层中的模块是基于不同的功能而定义,并不一定以独立的形式存在。此外,图1所示仅为示例,该数据处理系统还可包括更多其他的模块,本申请实施例对此不作限定。
还应理解,上文各个层的功能可通过处理器执行不同的代码来实现。处理器可以为一个,也可以为多个,本申请实施例对此不作限定。下文中仅为便于理解,结合上文列举的各模块来描述了各个步骤,但可以理解,这些步骤都可以通过处理器执行相应的代码来实现,或控制其他设备来实现,比如控制各感知设备采集数据,控制路侧通信单元(roadside unit,RSU)通过4G/5G和/或V2X通信模组发送广播消息等。
图2是适用于本申请实施例提供的数据处理方法的示意性流程图。首先,结合图2对本申请实施例提供的数据处理方法的流程进行简单说明。
示例性地,如图2所示,本申请实施例提供的数据处理方法的流程可以包括数据采集、数据融合处理、边缘平台分析、应用平台分析。数据采集可以通过内置感知设备探测到路侧遮挡和非遮挡场景下的全局交通参与主体和交通环境,并通过内置定位模块获取交通参与主体和基础设施的位置;数据融合处理可以对获取到的数据联合标定后,采用数据融合算法得到初步分析结果,并根据不同的需求将决策结果通过5G/光纤分流传递,其中,符合RSU传递的决策结果(如碰撞提醒、避让提醒等)的数据将传输给RSU,RSU通过V2X将信息广播给周围其他V2X终端(如车辆或具有V2X功能的交通基础设施);边缘平台分析可以对需要在移动边缘计算(mobile edge computing,MEC)决策平台深度分析的数据则通过5G/光纤传递给MEC决策平台。边缘计算平台的部分结果(如高精度地图)也可以通过RSU的V2X通过广播给周围车辆或其他具备V2X功能的交通基础设施。在应用平台分析可以用于业务层的数据分析和应用,RSU和MEC的数据最终都将接入应用云平台。
下面将结合附图对本申请实施例提供的数据处理方法做详细说明。
图3为本申请实施例提供的数据处理方法300的流程示意图。
在步骤310中,获取各目标的定位信息、高度、距离、速度和环境信息。
示例性地,在一种实现方式中,如图1中的数据层120可以通过基础定位模块和高精度定位模块来获取各目标的较为精确的定位信息。例如,可通过GSP、BDS、RTK和UWB中的一个或多个来获取各目标的经纬度,所获得的经纬度可以是CGCS2000坐标系或CGCS2000坐标系下的经纬度。
这里,GPS和BDS可属于基础定位模块,可实现基础定位;RTK和UWB可属于高精度定位模块,可与GPS或BDS结合使用,实现高精度定位。由此而获得的定位信息的精确度可以达到分米级,即,能准确的定位到目标的当前位置是在哪个车道上。并且,因该定位信息的采集不受限于遮挡物,该定位模块还可实现在遮挡或非遮挡的场景下连续定位。
数据层120还可以通过内置的激光雷达采集各目标的高度和距离;通过内置的毫米波雷达采集各目标的距离和速度;通过内置的视觉传感器采集各目标的高度、距离、速度和环境信息。在一种具体的实现方式中,数据层120还可以通过内置的摄像头采集各目标的高度、距离、速度和环境,在这种实现方式中,可以获取到视频和/或图像数据,通过对视频和/或图像中的像素点的数据进行提取、计算和分析,可以获得各目标的高度、距离、速度和环境信息。
各目标的高度可以是指相对于地面的高度,比如行人站立时的身高、摔倒时躺卧状态下的高度等;距离可以是指各目标相对于采集各采集装置的距离,例如通过激光雷达采集到的各目标相对于激光雷达的距离,通过毫米波雷达采集到的各目标相对于毫米波雷达的距离等;速度可以是指各目标当前的运动速度,例如行人的行走速度,机动车、非机动车的行驶速度等;环境信息可以包括在当前视觉传感器可以采集到的最大范围内的全局交通环境的数据,可以包括但不限于,车道、路沿、路标、交通标志、路侧建筑、桥梁、隧道、绿化带等。
在步骤320中,对获取到的各目标的经纬度、高度、距离、速度和环境信息进行数据预处理。
这里所述的数据可以包括上文所述的经纬度、高度、距离、速度和环境信息,或者说,由上文所列举的定位模块、视觉传感器、毫米波雷达和激光雷达等各类感知设备采集到的数据。与之对应,步骤320中的数据预处理可以包括对上述经纬度、高度、距离、速度和环境信息的校准、在坐标系上的同步,以及在时间上的同步。
应理解,由于不同的感知设备的用途不完全一致,并且对于数据的采集、存储方式以及存储路径也存在一定的差异,因此需要将感知设备的坐标系、大地的坐标系和目标的坐标系三者进行融合,同时将不同传感器的坐标系如:视觉坐标系,激光雷达点云坐标系,毫米波雷达点云坐标系等进行重建,通过构建成完备统一的坐标系来实现对采集到的数据的空间上的同步。
在一个实施例中,如图1中的应用层150可以先对激光雷达和毫米波雷达采集到的数据进行点云配准,再进行图像配准,即,将目标的三维空间相对坐标变换成三维空间绝对坐标,也可以说,将目标的三维空间的相对运动信息转换成三维空间的绝对运动信息。将激光雷达与毫米波雷达的点云一一对应起来。其中,点云是指三维物体或三维场景的一种表现形式,是由空间中的一组无规则分布的、表达三维物体或三维场景的空间结构和表面属性的离散点所构成。与图像配准相对应,点云配准就是将两个或多个点云中的像素点一一对应起来。
应理解,由于各类感知设备在数据获取时,可能会存在对部分感知信息不敏感的问题,可能导致部分数据有一定的误差,因此需要对坐标变换后的数据进行数据校准,来提升数据感知的精度和可信度。对于视觉传感器而言,数据校准又可以称为图像配准,图像配准可以具体指,将不同时间、不同视觉传感器或不同条件下(气候、光照、视觉传感器的位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程,通过数据校准可以使同一空间物理点与两幅或多幅图像中的像素点一一对应起来。示例性地,如,视觉传感器不能直接测量深度信息,需要通过计算获取,往往受角度影响较大,需要使用相机校准的方法来进行数据校准。深度信息具体可以是指图像场景的深度,深度信息可以表征目标与感知设备的距离,即相对距离。深度信息可以通过深度图来表征,深度图具体是指,将从视觉传感器到场景中的各点的距离(深度)值作为像素值的图像。深度信息(或者说深度图)例如可以利用深度传感器(例如包括直接利用主动光技术(雷达激光、结构光等))来获取,也可以利用双目或多目视觉传感器、采用双目或多目匹配算法来获取,换言之,毫米波雷达、激光雷达以及视觉传感器都可以获取深度信息。本申请对于获取深度信息的具体方式不作限定。
应理解,由于不同的感知设备可以独立地感知目标和采集数据,且不同的感知设备具有不同感知精度,具体而言,不同的感知设备在对同一个目标进行感知和数据采集时,存在异步以及异粒度特性,可以进行实时地进行数据同步,基于常加速度假设对不同的感知设备感知到的目标进行预测,使所有传感器数据统一至同一个时刻。具体地,毫米波雷达、激光雷达和视觉传感器在感知目标时具有不同的感知精度,且在感知的时间上存在一定的差异,因此需要对毫米波雷达、激光雷达和视觉传感器进行实时地数据同步,来实现采集的数据在时间上的同步,例如,使所有传感器数据全部与北京时间同步。
在步骤330中,对预处理后的数据进行数据融合和目标识别,得到多类目标的特征数据。
具体地,计算层的数据融合算法可以对预处后的数据进行数据融合和目标识别,其中,数据融合可以是指对由激光雷达、毫米波雷达以及视觉传感器获取到的数据进行综合处理。
数据融合可以包括目标的特征提取和数据关联。
示例性地,如图1中的计算层140可以对目标的特征数据进行提取,特征数据可以具体指目标的轮廓、高度,以及位置、运动方向、运动速度等运动参数等。由于可能存在同一个目标被多个感知设备所感知到的情况,因此可以基于各目标的特征数据把同一个目标的数据关联起来,并建立唯一的目标特征,可以理解,两个深度信息一致且特征数据一致的目标可以认为是同一目标。
基于目标的特征数据,计算层140可以进一步通过分类模型对多类目标进行分类识别,所述多类目标可以包括车、行人和障碍物。具体地,可以结合传统的图像识别的技术进行目标识别,也可以采用深度学习的方法来进行目标识别,例如利用卷积神经网络框架进行目标识别。简言之,通过分类模型,可以将人、车、障碍物等交通主体区分开,也可以将不同的人和人、不同的车和车、不同的障碍物和障碍物区分开。
一示例,该经过目标识别和分类,可得到人、车、障碍物这三类目标的特征数据如下:
人:位置、运动方向、运动速度、高度等;
车:位置、行驶方向、行驶速度、长度、高度等;
障碍物:位置、方向、速度(可默认为0)、角度等。
可选地,基于目标的特征数据,还可以获得交通环境的特征数据,例如但不限于,包括车道、路沿、路标、交通标志、路侧建筑、桥梁、隧道、绿化带等。换言之,上述多类目标可以包括车、行人、障碍物和交通环境。
在步骤340中,基于多类目标的特征数据生成广播消息。
示例性地,图1中的应用层150可以根据计算层140得到的多类目标的特征数据,依据决策原则进行智能决策。所述决策原则例如可以为:所有数据均需传输给MEC做深度计算,深度计算后与RSU业务有关的数据传递给RSU;以及可以根据RSU需要广播的业务需求,确定出需要传递给RSU的数据。RSU根据传递来的数据生成相应的广播消息。
应理解,本方法中的数据可以通过光纤或空口被传输至MEC决策平台,一些低时延大带宽数据型业务可以经过MEC平台决策后传递给RSU,并通过RSU广播给周围交通主体。此外,所有数据都可以经过核心网传递给车路协同综合平台,进行大数据分析与应用。
为了便于理解,首先结合图4对MEC决策平台进行说明,图4是MEC决策平台400的结构框图。
需要说明的是,MEC决策平台400汇聚了路侧多个融合感知终端传递的数据,可以进行面向车路协同的高精度地图建模的深度融合处理。MEC决策平台400主要可以包括以下两个模块:深度融合模块410和数据管理模块420。
在一种实现方式中,面向车路协同的高精度地图建模的深度融合模块410,主要可以包括数据关联411、道路建模412、特征提取413、对象识别与跟踪414四个处理模块。其中,数据关联411可以实现不同数据源对同一个感知对象的数据关联;道路建模412可以基于多个视觉感知终端采集到的二维图像与雷达采集到的三维点云数据实现融合,实现交通路口及周围环境的建模;特征提取413可以实现交通对象特征的深度提取,为后续数据的对象识别与跟踪414建立基础;对象识别与跟踪414可以实现数据的深度学习与融合,并输出深度决策结果。
数据管理模块420可以包括数据存储管理421、设备管理422、用户管理423。其中,数据存储421可以将采集到的数据进行分类存储编制元数据字典、规范数据格式,实现多业务平台之间的数据互联互通;设备管理422可以实现设备的远程监管和一键升级;用户管理423可以对登陆用户进行权限控制和认证。
在一些具体的实施方式中,从RSU需要广播的业务需求角度出发,可以至少传递以下五类数据中的一类或多类来支撑RSU的决策业务:
第一类:交通路口行人和非机动车监测和定位;
第二类:交通事件类数据,如变道、压线、事故、临时停车、拥堵、逆行等;
第三类:车辆特征数据,如车型、品牌、车身颜色、车辆大小等;
第四类:交通主体速度检测;
第五类:车道及周围环境检测。
在一种实现方式中,根据RSU不同业务对时延、定位精度、传输速率的要求,可以利用智能决策方法,决策出给RSU传递的数据集合,保障RSU决策效率最优。
由于对识别到的目标进行了分类,得到了多类目标的特征数据,MEC可以依据各类目标的特征数据进行深度决策。由此而获得的特征数据是较为全面的特征数据,
RSU可以根据上述多类目标的特征数据,生成广播消息。该广播消息例如可以包括以下至少一项:
信息服务信息:如汽车近场支付、动态高精度地图、泊车引导、出行服务、位置监控等;
交通安全信息:如汇入主路预警、交叉路口碰撞预警、路面异常预警等;
交通效率信息:如交叉路口车速引导、前方拥堵预警、紧急车辆让行等。
在步骤350中,通过空口发送广播消息。
在一些实施例中,如图2中的应用层250可以根据RSU的业务需求将特征数据传递给RSU,以及由MEC深度计算后确定的与RSU的业务有关的数据也传递给RSU,并由RSU生成广播数据,通信层230可以通过空口对广播数据进行广播,换句话说,通信层230可以通过空口将RSU生成的广播数据传递给交通主体。
应理解,卫星移动通信协议栈可以简化为三层,分别是数据应用层、传输链路层和物理层。其中,数据应用层是数据的产生地,包括控制消息和业务消息,每个数据包都具有独立的语义,如本实施例中的应用层就是广播消息的产生地,每条广播消息可以看成一个数据包,每条广播消息都具有其独立的语义;传输链路层负责数据应用层中数据包的传输,根据物理层能力和数据包长度进行分段和组帧,具体地,根据物理层能力和每条广播消息地长度进行分段和组帧,为广播消息的传递作准备;物理层负责将传输链路层的每帧进行编码和调试,然后在空口物理信道上发送,即,物理层可以将广播数据的每帧进行编码和调试,然后在空口的物理信道上将广播数据传递出去传递给相应的交通主体。
下表示例性地示出了通过本申请提供的方法,在几类不同的应用场景下可提供的信息。
应理解,上表所列举的场景仅为示例,不应对本申请构成任何限定。本申请实施例提供的方法还可应用于其他场景中。为了简洁,此处不再一一举例说明。
本申请实施例通过多种感知设备获取不同类型的感知数据,利用多重定位方法对目标进行定位,对获取的多种不同类型的感知数据进行目标识别,得到多类目标的特征数据,并可基于该多类目标的特征数据生成广播消息,从而可以为交通主体从信息服务、交通安全和交通效率等各方面提供信息,使得交通主体能够获得更全面的交通信息,同时也为无人驾驶车辆的广泛应用提供了支持。另一方面,通过空口来传输,利用了5G网络的超低时延、大带宽的特性,使得广播消息得以及时传输到交通主体,保证了信息的时效性。
为了更好地对本申请实施例进行理解,以下结合图5对本申请实施例的方法对应的数据处理装置进行详细地说明。图5是适用于本申请实施例提供的方法对应的数据处理装置的示意性框图。
如图5所示,在某些实现方式中,数据处理装置500可以包括:数据采集单元510、数据预处理单元520、数据分析单元530和数据输出单元540。
其中,数据采集单元510可以用于对各目标的定位信息、高度、距离、速度和环境等信息的采集,对应于图3中步骤310。数据预处理单元520可以用于对采集到的数据进行预处理,对应于步骤320。数据分析单元530可以用于对各目标进行目标识别,得到多类目标的特征数据,可对应于步骤330;并基于所述多类目标的特征数据,生成广播消息,可对应于步骤340。数据输出单元540可以用于对生成的广播消息进行传输,对应于步骤350。
示例性地,数据采集单元510可以包括毫米波雷达、激光雷达以及视觉传感器等感知设备,还可以包括GPS和BDS基础定位模块,以及RTK和UWB高精度定位增强模块。激光雷达可以采集各目标的高度和距离;毫米波雷达可以采集各目标的距离和速度;视觉传感器采集可以各目标的高度、距离、速度和环境信息;定位模块可以采集各目标的精度和纬度位置信息。数据采集单元510采集到的数据可以传递给数据预处理单元520,数据预处理单元520通过坐标变换、数据校准和数据同步对传递来的数据进行预处理,使得来自于不同感知设备的数据可以在空间和时间上实现同步。数据预处理单元520将经过预处理后的数据传递给数据分析单元530进行数据分析,数据分析单元530对预处理后的数据进行特征提取,提取出各类目标的轮廓、高度,以及位置、运动方向、运动速度等运动参数等数据,提取出特征数据后,将这些特征数据进行数据关联,通过数据关联,可以将不同感知设备识别到的同一个目标的数据关联起来,将关联后的数据输入到目标识别算法中,对各类目标进行识别,可以得到各类目标的特征数据以及各类目标所述的类别,示例性类别如车、行人、障碍物,根据各类目标的特征数据和RSU的业务需求,可以生成相应的广播数据。数据分析单元540将生成的广播数据通过通信模块向外发送,数据分析单元530还可以将获得的各类目标的特征数据和类别全部发送给MEC决策平台做深度计算,或者说是做深度的数据分析,由MEC处理后的与RSU业务相关的数据也可以发给RSU进行广播。
应理解,本申请实施例中,由处理单元500获取并处理后的数据可以通过空口传递给MEC,如果同时也符合RSU的业务需求,则可以同时将符合RSU业务需求的数据传递给RSU进行广播,传递给MEC做深度计算或分析的数据,在符合RSU业务需求的前提下,也可以传递给RSU进行广播,这类数据一般没有一开始就传递给RSU直接进行广播的数据的紧急程度高。需要说明的是RSU和ECU最终都将接入应用云平台用于业务层数据的分析和应用。
根据本申请实施例的一个方面,本申请实施例还提供了一种数据处理装置。图6为本申请实施例提供的一种数据处理装置的示意性框图。如图6所示,该数据处理装置600包括处理器610,可用于:根据采集到的各目标的定位信息、高度、距离、速度和环境信息,进行目标识别,得到多类目标的特征数据,所述多类目标包括:车、行人和障碍物,所述特征数据包括以下至少一项:轮廓、位置、运动方向、运动速度、高度;基于所述多类目标的特征数据,生成广播消息,所述广播消息包括以下至少一项:服务信息、交通安全信息和交通效率信息;通过空口发送所述广播消息。具体参见方法实施例中的详细描述,此处不做赘述。
该数据处理装置600还可以包括至少一个存储器620,用于存储程序指令和/或数据。存储器620和处理器610耦合。本申请实施例中的耦合是装置、单元或模块之间的间接耦合或通信连接,可以是电性,机械或其它的形式,用于装置、单元或模块之间的信息交互。处理器610可能和存储器620协同操作。处理器610可能执行存储器620中存储的程序指令。所述至少一个存储器中的至少一个可以包括于处理器中。
该数据处理装置600还可以包括通信接口630,用于通过传输介质和其它设备进行通信,从而用于数据处理装置600中的装置可以和其它设备进行通信。示例性地,该其他设备可以是车辆等交通主体,也可以是信号机等相关基础设施。所述通信接口630例如可以是收发器、接口、总线、电路或者能够实现收发功能的装置。处理器610可利用通信接口630收发数据和/或信息,并用于实现上文实施例中的方法。
本申请实施例中不限定上述处理器610、存储器620以及通信接口630之间的具体连接介质。本申请实施例在图6中以处理器610、存储器620以及通信接口630之间通过总线640连接。总线640在图6中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器610可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(central processing unit,CPU)、网络处理器(network processor,NP)等;还可以是数字信号处理器(digital signal processing,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
还应理解,存储器620可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DRRAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
根据本申请实施例提供的方法,本申请实施例还提供了一种数据处理系统。图7是本申请实施例提供的数据处理系统700的示意图。如图7所示,该系统700可包括:路测感知融合装置710、基站720、RSU 730和MEC 740。可选地,该系统700还包括车联网云平台750。
其中,路测感知融合装置710可以将获取并处理后的数据传递给RSU 730,也可以通过基站720将数据传递给MEC 740;RSU 730的数据可以以广播的形式传递给交通主体;经过MEC 740深度计算后的数据在符合RSU 730业务需求的情况下,也可以传递给RSU 730;MEC 740和RSU 730的数据都要传递给云平台750用于业务层的数据分析和应用。
根据本申请实施例提供的方法,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于执行上述实施例所述的方法,其实现原理以及有益效果与上文方法实施例所述的实现原理及有益效果类似,此处不再进行赘述。
根据本申请实施例提供的方法,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序(也可以称为代码,或指令),当所述计算机程序被运行时,使得计算机执行上述实施例所述的方法,其实现原理以及有益效果与上文方法实施例所述的实现原理及有益效果类似,此处不再进行赘述。
本说明书中使用的术语“单元”、“模块”等,可用于表示计算机相关的实体、硬件、固件、硬件和软件的组合、软件、或执行中的软件。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各种说明性逻辑块(illustrative logical block)和步骤(step),能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。在本申请所提供的几个实施例中,应该理解到,所揭露的装置、设备和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在上述实施例中,各功能单元的功能可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令(程序)。在计算机上加载和执行所述计算机程序指令(程序)时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种数据处理方法,其特征在于,所述方法包括:
根据采集到的各目标的定位信息、高度、距离、速度和环境信息,进行目标识别,得到多类目标的特征数据,所述多类目标包括:车、行人和障碍物,所述特征数据包括以下至少一项:轮廓、位置、运动方向、运动速度、高度;
基于所述多类目标的特征数据,生成广播消息,所述广播消息包括以下至少一项:服务信息、交通安全信息和交通效率信息;
通过空口发送所述广播消息。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过激光雷达采集各目标的高度和距离;
通过毫米波雷达采集各目标的距离和速度;
通过视觉传感器采集各目标的高度、距离、速度和环境信息。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
对通过所述激光雷达、所述毫米波雷达和所述视觉传感器分别采集到的数据进行坐标变换和时间同步,得到同一坐标系、同一时间系下的数据。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
通过定位模块采集各目标的定位信息,所述定位信息包括经度和纬度;所述定位模块包括以下至少一项:GPS、BDS、RTK和UWB。
5.如权利要求2至4中任一项所述的方法,其特征在于,所述根据采集到的各目标的定位信息、高度、距离、速度和环境信息,进行目标识别,得到多类目标的特征数据,包括:
对通过所述激光雷达、所述毫米波雷达和所述视觉传感器分别采集到数据进行特征提取和数据关联;
进行目标识别,得到所述多类目标的特征数据。
6.如权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
对所述多类目标的特征数据进行深度计算,得到用于生成所述广播消息的特征数据。
7.如权利要求6所述的方法,其特征在于,所述用于生成所述广播消息的特征数据包括以下至少一项:
交通路口的行人和非机动车的定位信息;
交通事件,包括:变道、压线、事故、临时停车、拥堵、逆行中的一项或多项;
车辆特征数据,包括:车型、品牌、车身颜色和车辆大小中的一项或多项;
交通主体的速度;以及
车道及周围环境。
8.如权利要求1至7中任一项所述的方法,其特征在于,所述服务信息包括以下至少一项:汽车近场支付、动态高精度地图、泊车引导、出行服务和位置监控;
所述交通安全信息包括以下至少一项:汇入主路预警、交叉路口碰撞预警和路面异常预警;以及
所述交通效率信息包括以下至少一项:交叉路口车速引导、前方拥堵预警和紧急车辆让行。
9.一种数据处理装置,其特征在于,用于实现如权利要求1至8中任一项所述的方法。
10.一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,所述计算机程序被处理器执行时,使得电子设备执行如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011395817.5A CN112598899A (zh) | 2020-12-03 | 2020-12-03 | 一种数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011395817.5A CN112598899A (zh) | 2020-12-03 | 2020-12-03 | 一种数据处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112598899A true CN112598899A (zh) | 2021-04-02 |
Family
ID=75187746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011395817.5A Pending CN112598899A (zh) | 2020-12-03 | 2020-12-03 | 一种数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598899A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379805A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通节点的多信息资源融合处理方法 |
CN113566834A (zh) * | 2021-07-20 | 2021-10-29 | 广州小鹏汽车科技有限公司 | 定位方法、定位装置、车辆和存储介质 |
CN113626481A (zh) * | 2021-08-16 | 2021-11-09 | 中路智链科技集团有限公司 | 路侧信息处理和发布方法、装置及系统 |
CN113704003A (zh) * | 2021-08-30 | 2021-11-26 | 中国联合网络通信集团有限公司 | 基于b-m2m的协同识别方法、边缘计算服务器及介质 |
CN113903187A (zh) * | 2021-06-24 | 2022-01-07 | 东风柳州汽车有限公司 | 基于v2x技术的隧道交通信息动态显示方法及智能交通标志 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390814A (zh) * | 2019-06-04 | 2019-10-29 | 深圳市速腾聚创科技有限公司 | 监控系统和方法 |
CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
CN111554088A (zh) * | 2020-04-13 | 2020-08-18 | 重庆邮电大学 | 一种多功能v2x智能路侧基站系统 |
-
2020
- 2020-12-03 CN CN202011395817.5A patent/CN112598899A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390814A (zh) * | 2019-06-04 | 2019-10-29 | 深圳市速腾聚创科技有限公司 | 监控系统和方法 |
CN111554088A (zh) * | 2020-04-13 | 2020-08-18 | 重庆邮电大学 | 一种多功能v2x智能路侧基站系统 |
CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113903187A (zh) * | 2021-06-24 | 2022-01-07 | 东风柳州汽车有限公司 | 基于v2x技术的隧道交通信息动态显示方法及智能交通标志 |
CN113903187B (zh) * | 2021-06-24 | 2022-10-04 | 东风柳州汽车有限公司 | 基于v2x技术的隧道交通信息动态显示方法及智能交通标志 |
CN113566834A (zh) * | 2021-07-20 | 2021-10-29 | 广州小鹏汽车科技有限公司 | 定位方法、定位装置、车辆和存储介质 |
CN113379805A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通节点的多信息资源融合处理方法 |
CN113626481A (zh) * | 2021-08-16 | 2021-11-09 | 中路智链科技集团有限公司 | 路侧信息处理和发布方法、装置及系统 |
CN113704003A (zh) * | 2021-08-30 | 2021-11-26 | 中国联合网络通信集团有限公司 | 基于b-m2m的协同识别方法、边缘计算服务器及介质 |
CN113704003B (zh) * | 2021-08-30 | 2023-05-12 | 中国联合网络通信集团有限公司 | 基于b-m2m的协同识别方法、边缘计算服务器及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109920246B (zh) | 一种基于v2x通信与双目视觉的协同局部路径规划方法 | |
CN108417087B (zh) | 一种车辆安全通行系统及方法 | |
CN112598899A (zh) | 一种数据处理方法和装置 | |
CN111554088A (zh) | 一种多功能v2x智能路侧基站系统 | |
CN113313154A (zh) | 一体化融合多传感器自动驾驶智能感知装置 | |
CN112558023B (zh) | 传感器的标定方法和装置 | |
CN109697877B (zh) | 基于北斗高精定位的车路协同方法及系统 | |
JP6082802B2 (ja) | 物体検知装置 | |
CN105761500A (zh) | 交通事故处理方法及交通事故处理装置 | |
KR20210061722A (ko) | 고정밀 지도 제작 방법, 고정밀 지도 제작 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 | |
US20220373353A1 (en) | Map Updating Method and Apparatus, and Device | |
CN111724616B (zh) | 基于人工智能的数据获取及共享的方法与装置 | |
WO2021036210A1 (zh) | 一种定位方法及定位装置 | |
Anaya et al. | Motorcycle detection for ADAS through camera and V2V Communication, a comparative analysis of two modern technologies | |
CN113359709A (zh) | 一种基于数字孪生的无人驾驶运动规划方法 | |
CN112485815A (zh) | 精确定位信息和gnss定位信息之间的定位差的分布式信息生成装置及方法 | |
CN110648538B (zh) | 一种基于激光雷达网络的交通信息感知系统及方法 | |
CN114463986B (zh) | 一种车联网车路协同方法 | |
Yang et al. | Road intersection identification from crowdsourced big trace data using Mask‐RCNN | |
Bai et al. | Cyber mobility mirror: A deep learning-based real-world object perception platform using roadside LiDAR | |
WO2022142870A1 (zh) | 用于车联网的数据传输方法、装置、存储介质和系统 | |
US20230095663A1 (en) | Urban digital twin platform system and moving object information analysis and management method therefor | |
Hofmann et al. | Quality assessment of automatically generated feature maps for future driver assistance systems | |
US20220076034A1 (en) | Methods and systems for displaying animal encounter warnings in vehicles | |
Iglesias et al. | Interurban visibility diagnosis from point clouds |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210402 |
|
RJ01 | Rejection of invention patent application after publication |