CN112712074A - 一种信息采集方法、装置、设备和存储介质 - Google Patents
一种信息采集方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112712074A CN112712074A CN202110330970.8A CN202110330970A CN112712074A CN 112712074 A CN112712074 A CN 112712074A CN 202110330970 A CN202110330970 A CN 202110330970A CN 112712074 A CN112712074 A CN 112712074A
- Authority
- CN
- China
- Prior art keywords
- target
- acquisition
- determining
- equipment
- information
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种信息采集方法、装置、设备和存储介质;本发明确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;获取所述目标地域的环境参数;根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。在本发明中,进行信息采集的采集设备与部署该采集设备的地域中环境相适应。由此,本方案可以提升采集设备的采集性能。
Description
技术领域
本发明涉及智能交通领域,具体涉及一种信息采集方法、装置、设备和存储介质。
背景技术
随着科学技术的进步,人工智能技术也逐渐向交通领域渗透,出现了智能交通系统(ITS)。其中,智能车路协同系统(IVICS),简称车路协同系统,是智能交通系统的最新发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。
车路协同系统至少包括布置在道路两侧用于采集路况信息的多个采集设备,然而目前采集设备的采集性能不佳。
发明内容
本发明提供一种信息采集方法、装置、设备和存储介质,可以提升采集设备的采集性能。
本发明提供一种信息采集方法,包括:
确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;
获取所述目标地域的环境参数;
根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;
根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;
采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
本发明还提供一种信息采集装置,包括:
第一确定单元,用于确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;
第一获取单元,用于获取所述目标地域的环境参数;
第二确定单元,用于根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;
第一控制单元,用于根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;
第一采集单元,用于采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
在一些实施例中,所述信息采集装置,还包括:
第三确定单元,用于根据预设的第二对应关系,确定所述环境参数对应的目标感知模型;
第二获取单元,用于获取所述目标采集设备采集的原始信息;
第一检测单元,用于采用所述目标感知模型,根据所述原始信息,检测所述目标地域中的物体信息。
在一些实施例中,所述信息采集装置,还包括:
第一监测单元,用于监测所述目标感知模型的训练数据集中的数据量;
第三获取单元,用于获取所述训练数据集的元素特征;
第四确定单元,用于根据所述环境参数和所述物体信息,确定所述原始信息的特征;
第一添加单元,用于当监测到所述训练数据集中的数据量小于第一预设阈值,且所述原始信息的特征符合所述训练数据集的元素特征时,将所述原始信息作为样本数据添加至训练数据集中;
第二监测单元,用于监测所述训练数据集中新增样本量;
第一记录单元,用于记录所述目标感知模型的更新时刻;
第四获取单元,用于获取当前时刻;
第三监测单元,用于根据所述更新时刻和所述当前时刻,监测所述目标感知模型距离上次更新的时长;
第一更新单元,用于当监测到所述新增样本量不小于第二预设阈值,或所述时长不小于第三预设阈值时,基于所述训练数据集对所述目标感知模型进行更新,得到更新后的目标感知模型。
在一些实施例中,所述信息采集装置,还包括:
第五获取单元,用于获取总算力资源;
第五确定单元,用于确定目标感知模型运行时所需的开销算力资源;
第一回收单元,用于当监测到所述开销算力资源小于所述总算力资源时,根据所述总算力资源和所述开销算力资源,计算空余算力资源,并回收所述空余算力资源。
在一些实施例中,所述信息采集装置,还包括:
第六获取单元,用于获取地域和环境参数样本数据集之间的第一映射关系;
第六确定单元,用于根据所述第一映射关系,确定目标地域所对应的目标环境参数样本数据集;
第七确定单元,用于确定所述采集设备集合中每个采集设备对应的感知原理;
第一分类单元,用于基于所述目标环境参数样本数据,对所述目标地域进行环境分类,得到所述目标地域对应的环境类型;
第七获取单元,用于获取环境类型与感知原理之间的第三对应关系;
第一建立单元,用于根据所述第三对应关系,确定所述环境类型对应的启停方案,并建立所述环境类型和所述启停方案之间的第一对应关系;
第二确定单元,包括:
第一确定子单元,用于根据所述环境参数,确定所述目标地域的目标环境类型;
第一获取子单元,用于根据所述第一对应关系,获取所述目标环境类型对应的所述目标启停方案。
在一些实施例中,所述信息采集装置,还包括:
第八获取单元,用于获取所述采集设备的预设模型和所述环境类型对应的训练数据集;
第二建立单元,用于基于所述训练数据集对所述预设模型进行训练,得到感知模型,并建立感知模型、环境类型和采集设备三者之间的第二对应关系;
第三确定单元,包括:
第二确定子单元,用于根据所述环境参数,确定所述目标地域的目标环境类型;
第二获取子单元,用于根据所述第二对应关系,获取所述目标环境类型对应的所述目标感知模型。
在一些实施例中,所述第一获取单元,包括:
第三获取子单元,用于获取所述目标地域的天气参数和时间参数;
第三确定子单元,用于根据所述环境参数,确定所述目标地域的环境类型,包括:
第四确定子单元,用于根据所述天气参数和时间参数,确定所述目标地域的环境类型。
在一些实施例中,第三获取子单元,还用于获取所述目标地域的地理位置信息;根据所述地理位置信息,查询所述目标地域的天气参数。
在一些实施例中,第三获取子单元,还用于获取所述信息采集设备集合中在默认状态下处于启动状态的采集设备所采集的初始信息;采用预设的天气分类模型,根据所述初始信息预测天气参数。
在一些实施例中,所述第一控制单元,包括:
第五确定子单元,用于根据所述目标启停方案,从所述采集设备集合中确定出第一采集设备,所述第一采集设备是其感知原理与所述环境参数相匹配的采集设备;以及
第一调整子单元,用于将所述第一采集设备的工作状态调整为启动状态;
和/或,
第六确定子单元,用于根据所述目标启停方案,从所述采集设备集合中确定出第二采集设备,所述第二采集设备是其感知原理与所述环境参数不相匹配的采集设备;以及
第二调整子单元,用于将所述第二采集设备的工作状态调整为停机状态。
本发明还提供一种电子设备,包括存储器存储有多条指令;所述处理器从所述存储器中加载指令,以执行本发明所提供的任一种信息采集方法中的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行本发明所提供的任一种信息采集方法中的步骤。
本发明可以确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;获取所述目标地域的环境参数;根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。在本发明中,根据地域的环境参数确定对应的启停方案,根据启停方案控制该地域内的采集设备的工作状态,例如是控制感知原理与所述环境参数相匹配的采集设备的工作状态为启动状态,并采用启动状态的采集设备进行信息采集,以使进行信息采集的采集设备与部署该采集设备的地域中环境相适应。由此,提升了采集设备的采集性能。
附图说明
为了更清楚地说明本发明中的技术方案,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发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是本发明提供的信息采集方法的场景示意图;
图1b是本发明提供的信息采集方法的流程示意图;
图2a是本发明提供的信息采集方法应用在车路协同系统的流程示意图;
图2b是本发明提供的信息采集方法应用在车路协同系统的示意图;
图3是本发明提供的信息采集装置的第一种结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
车路协同系统主要包括:车载终端、指挥中心和路侧设备。
其中,路侧设备主要包括:采集设备和计算设备。采集设备部署在道路的两侧,以采集道路上的路况信息,采集设备将采集到的路况信息发送至计算设备,计算设备对接收到的路况信息进行检测处理,以检测出道路中存在的物体(例如道路上的车辆、行人、路障等),得到道路对应的物体信息。计算设备将该物体信息同步至指挥中心和车载终端,以供指挥中心和/或车载终端基于该物体信息进行路径规划,得到车辆的导航路径,以使道路上的车辆根据该导航路径进行避障。
在车路协同系统的运行过程中,技术人员发现采集设备难以与部署该路侧设备的地域环境做到相适应,例如,当某一地域的天气状况是暴雨时,将导致部署在该地域内的普通光学摄像头采集的路况信息质量很低,又例如,当该地域进入夜间且光线不好时,部署在该地域内的普通光学摄像头将很难采集到有效地路况信息,最终导致采集设备采集的路况信息质量较低,使得采集设备的采集性能交底。本实施例提出,在不同地域内部署多种不同类型的采集设备,并根据地域的环境情况,选择该地域内与该地域环境情况相适应的采集设备进行信息采集,并为采集设备配置多种不同检测精度的感知模型,多种不同精度的感知模型对应于处理不同环境情况下采集的信息,以检测出地域内存在的物体。
本实施例提供一种信息采集方法、装置、设备和存储介质。
其中,该信息采集装置具体可以集成在电子设备中,该电子设备可以为终端、服务器等设备。其中,终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑(Personal Computer,PC)等设备;服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群。
在一些实施例中,该信息采集装置还可以集成在多个电子设备中,比如,信息采集装置可以集成在多个服务器中,由多个服务器来实现本发明的信息采集方法。
在一些实施例中,服务器也可以以终端的形式来实现。
例如,参考图1a,该电子设备可以是服务器,该服务器确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;获取所述目标地域的环境参数;根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
以下分别进行详细说明。需说明的是,以下实施例的序号不作为对实施例优选顺序的限定。
人工智能(Artificial Intelligence,AI)是一种利用数字计算机来模拟人类感知环境、获取知识并使用知识的技术,该技术可以使机器具有类似于人类的感知、推理与决策的功能。人工智能技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习、深度学习等几大方向。
其中,计算机视觉(Computer Vision,CV)是利用计算机代替人眼对目标图像进行识别、测量等操作并进一步进行处理的技术。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、虚拟现实、增强现实、同步定位与地图构建等技术,比如,图像着色、图像描边提取等图像处理技术。
在本实施例中,提供了一种基于信息采集方法,如图1b所示,该信息采集方法的具体流程可以如下:
101、确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备。
在不同的地域中均部署有多类采集设备,所述多类采集设备包括但不限于激光雷达、毫米波雷达、不同焦距的普通光学摄像头、红外摄像头等等,采集设备用于采集所部署的地域内的信息,例如在车路协同系统中,采集设备是部署在地域内的道路两侧用于采集路况信息的采集设备。目标地域内部署的所有采集设备组成了目标地域对应的采集设备集合。
应当说明的是,地域对应的采集设备集合既可以是在某一个片区内部署有多个多类的采集设备,例如在某一条道路的两侧分段部署有多个不同种类的采集设备,也可以是在某一个特定地点同时部署有多类采集设备,例如在某一道路的起点处同时布置有多类采集设备。
在一些实施例中,预先对不同地域进行标识,并建立地域标识与该地域对应的采集设备集合之间的映射关系,得到映射关系表。先确定目标地域的目标地域标识,然后从前述的映射关系表中查询该目标地域标识对应的采集设备集合,从而确定目标地域对应的采集设备集合。
在一些实施例中,直接基于地域的经纬度信息,建立经纬度信息与该地域对应的采集设备集合之间的映射关系,得到映射关系表。先确定目标地域的经纬度信息,然后从前述的映射关系表中查询该经纬度信息对应的采集设备集合,从而确定目标地域对应的采集设备集合。
示例性地,将目标地域标识为A,该目标地域中部署的采集设备有激光雷达A-1、毫米波雷达A-2、普通光学摄像头A-3和A-4(基于可见光进行图像拍摄的摄像头,其中A-3的焦距大于A-4)、红外摄像头A-5,即目标地域A对应的采集设备集合为{A-1、A-2、A-3、A-4、A-5}。
102、获取所述目标地域的环境参数。
环境参数是表征目标地域的环境状况的参数,具体包括天气参数和时间参数。获取所述目标地域的环境参数包括获取目标地域的天气参数和时间参数。其中,天气参数包括但不限于:晴、阴、小雨、中雨、大雨、暴雨、小雾、大雾、沙尘暴、雪等。时间参数包括但不限于:白日和夜晚。
在一些实施例中,先获取目标地域的地理位置信息,然后利用地理位置信息,从互联网中查询目标地域的天气参数和时间参数。
通常从互联网中查询的目标地域的时间参数是确凿的,能够准确反映目标地域当前的时间状态,例如若查询到目标地域的时间是11点整,则说明目标地域当前是白日,又例如查询到目标地域的时间是23点整,则说明目标地域当前是夜晚。当然可以根据实际情况进行调整,以确定目标地域的白日时间段和夜晚时间段,例如我国幅员辽阔,夏令时时,宁波的白日时间段是上午5点整至下午19点30分左右,而乌鲁木齐的白日时间段是上午6点30分左右至下午22点30分左右;冬令时时,宁波的白日时间段是上午6点30分左右至下午17点30分左右,而乌鲁木齐的白日时间段是上午9点整左右至下午19点30分左右。
但是从互联网中查询的天气参数不一定能反映该目标地域内所有采集设备各自所处环境的真实天气情况。例如,查询到某地域正在下雨,当在该地域中部署的某一采集设备预先做好了防雨措施,那么显然该采集设备的真实天气情况并不是下雨。又例如查询到某一地区的天气参数是局部地区有小雨,但很难确定该局部地区位于该地区中的哪里,自然也就不能准确反映部署在该地区内的不同地域的采集设备所处环境的真实天气状况。
因此,在一些实施例中,获取该地域对应的信息采集设备集合中在默认状态下处于启动状态的采集设备所采集的初始信息;采用预设的天气分类模型,根据所述初始信息预测天气参数。
天气分类模型是基于机器学习技术,对选定的图像分类模型进行训练后获得的专用于进行天气分类的模型,以拍摄的环境图片为输入,输出输入图片中的环境对应于不同类别天气的概率。
在默认状态下,信息采集设备集合中的所有采集设备均处于启动状态;当然,也并不排除其中部分采集设备处于停机状态。首先获取处于启动状态的采集设备采集的初始信息,例如可以是普通光学摄像头采集的图像,将该初始信息输入天气分类模型进行处理,天气分类模型预测出该普通光学摄像头所在地域的天气参数。
示例性地,地域A的天气参数是暴雨、时间参数是夜晚。
103、根据预设的第一对应关系,确定所述环境参数对应的目标启停方案。
启停方案是预先根据地域内不同的环境参数制定的,以指示与当前环境参数相匹配的采集设备启动工作并进行信息采集,以及指示与当前环境参数不相匹配的采集设备停机以避免浪费资源和损耗采集设备的采集性能。
第一对应关系是不同的环境参数与不同的启停方案之间的对应关系。例如,上述地域A的环境参数是晴、白日,则对应的启停方案是启动所有采集设备;上述地域A的环境参数是晴、夜晚,则对应的启停方案是关闭普通光学摄像头A-4,启动其他采集设备;上述地域A的环境参数是暴雨、夜晚,则对应的启停方案是关闭普通光学摄像头A-3和A-4,启动其他采集设备,等等。
示例性地,地域A天气参数是暴雨、时间参数是夜晚时,对应的启停方案是关闭普通光学摄像头A-3和A-4,启动采集设备A-1、A-2和A-5。
104、根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态。
目标启停方案指示了目标地域的环境参数下,应当启动工作并进行信息采集的采集设备,以及应当停机以节约资源的采集设备。具体如下:
a、根据所述目标启停方案,从所述采集设备集合中确定出第一采集设备,所述第一采集设备是其感知原理与所述环境参数相匹配的采集设备;
b、将所述第一采集设备的工作状态调整为启动状态;
和/或,
c、根据所述目标启停方案,从所述采集设备集合中确定出第二采集设备,所述第二采集设备是其感知原理与所述环境参数不相匹配的采集设备;
d、将所述第二采集设备的工作状态调整为停机状态。
当目标启停方案指示要将某些采集设备的工作状态调整为启动状态时,则执行步骤a和b,当目标启停方案指示要将某些采集设备的工作状态调整为停机状态时,则执行步骤c和d,当目标启停方案指示既要将某些采集设备的停机状态调整为启动状态、又要将某些采集设备的工作状态调整为停机状态时,则执行步骤a-d。
例如,在光照不足(例如大雾天、暴雨、沙尘暴、夜间等)时,普通光学摄像头采集的图像质量非常低下,基本上难以用于物体检测,此时就可以认为普通光学摄像头是感知原理与环境参数不匹配的采集设备。红外摄像头就可以不受光照条件的干扰,但是基于红外摄像头的成像原理是感知物体发出的红外线,而在我国北方的冬天,气温极低,此时红外摄像头很难感知到除生物外的其他物体,若部署红外摄像头的地域是几乎没有生物类障碍物的地域,例如高速公路上,那么此时红外摄像头就是与环境参数不相匹配的采集设备。
因此,预先制定了地域对应的多个启停方案,并根据该地域的不同环境参数以及采集设备的采集性能表现,将不同的启停方案与不同的环境参数相对应,以指示感知原理与环境参数相匹配的采集设备启动并进行信息采集,以及指示感知原理与环境参数不相匹配的采集设备停机以节约资源。
示例性地,在初始状态下,地域A中的采集设备A-1、A-2、A-3和A-4均处于开启状态,而A-5处于停机状态,则根据目标启停方案,控制A-3和A-4停机以及A-5启动。
105、采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
因为进行信息采集的设备是与环境参数相匹配的采集设备,不仅间接地提高了采集设备采集的信息的质量,也间接的提高了采集设备的采集性能。
示例性的,地域A此时基于采集设备A-1、A-2和A-5进行信息采集。
本实施例可以确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;获取所述目标地域的环境参数;根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。在本发明中,根据地域的环境参数确定对应的启停方案,根据启停方案控制该地域内的采集设备的工作状态,例如是控制感知原理与所述环境参数相匹配的采集设备的工作状态为启动状态,并采用启动状态的采集设备进行信息采集,以使进行信息采集的采集设备与部署该采集设备的地域中环境相适应。由此,提升了采集设备的采集性能。
根据上述实施例所描述的方法,以下将作进一步详细说明。
在本实施例中,将以车路协同为例,对本实施例的方法进行详细说明。
如图2a和2b所示,一种信息采集方法具体流程如下:
201、获取地域和环境参数样本数据集之间的第一映射关系。
不同的地域的环境情况是不一样的,例如哈尔滨与广州在天气参数上存在一定差别,宁波与乌鲁木齐在时间参数上存在一定差别。因此,基于不同的地域,预先采集该地域一定历史时间段内的环境参数数据,并作为该地域的环境参数样本数据,并建立地域与环境参数样本数据集之间的第一映射关系。
环境参数样本数据集在一定程度上反映了地域的环境特征。
202、根据所述第一映射关系,确定目标地域所对应的目标环境参数样本数据集。
目标环境参数样本数据集即预先采集的目标地域一定历史时间段内的环境参数数据,包括天气参数和时间参数。其中,天气参数包括但不限于:晴、阴、小雨、中雨、大雨、暴雨、小雾、大雾、沙尘暴、雪等。时间参数包括但不限于:白日和夜晚。
203、确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备。与上述步骤101相同,具体请参见步骤101的相关说明,在此不再赘述。
204、确定目标地域对应的采集设备集合中每个采集设备对应的感知原理。
在不同的地域中均部署有多类采集设备,所述多类采集设备包括但不限于激光雷达、毫米波雷达、不同焦距的普通光学摄像头、红外摄像头等,采集设备用于采集所部署的地域内的信息,例如在车路协同系统中,采集设备是部署在地域内的道路两侧用于采集路况信息的采集设备。目标地域内部署的所有采集设备组成了目标地域对应的采集设备集合。
应当说明的是地域对应的采集设备集合既可以是在某一个片区内部署有多个多类的采集设备,例如在某一条道路的两侧分段部署有多个不同种类的采集设备,也可以是在某一个特定地点同时部署有多类采集设备,例如在某一道路的起点处同时布置有多类采集设备。
示例性地,地域A内部署的采集设备有激光雷达A-1、毫米波雷达A-2、普通光学摄像头A-3和A-4(基于可见光进行图像拍摄的摄像头,其中A-3的焦距大于A-4)、红外摄像头A-5,即目标地域A对应的采集设备集合为{A-1、A-2、A-3、A-4、A-5}。即确定地域A内的采集设备A-1的感知原理是激光感知,采集设备A-2的感知原理是电测波探测感知,采集设备A-3和A-4的感知原理是可见光感知,采集设备A-5的感知原理是红外线感知。
205、基于所述目标环境参数样本数据,对所述目标地域进行环境分类,得到所述目标地域对应的环境类型。
首先基于环境参数样本数据集中的天气参数样本对天气进行分类,可以是基于机器学习技术进行分类,例如将天气参数样本输入预先训练好的天气分类模型获得目标地域的不同天气类型;以及基于时间参数进行时间分类,例如分类结果是白天和夜晚。然后将任一天气类型与任一时间类型进行组合,得到目标地域的环境类型。
示例性地,地域A的天气类型有晴、阴、小雨、中雨、大雨、暴雨、小雾、大雾,时间类型有白天和夜晚。则地域A的环境类型即将任一天气类型和任一时间类型进行组合,例如包括但不限于晴-白天、晴-夜晚、阴-白天、阴-夜晚、……、大雾-夜晚。
206、获取环境类型与感知原理之间的第三对应关系。
例如,在光照不足(例如大雾天、暴雨、沙尘暴、夜间等)时,普通光学摄像头采集的图像质量非常低下,基本上难以用于物体检测,此时就可以认为普通光学摄像头是感知原理与环境参数不匹配的采集设备。红外摄像头就可以不受光照条件的干扰,但是基于红外摄像头的成像原理是感知物体发出的红外线,而在我国北方的冬天,气温极低,此时红外摄像头很难感知到除生物外的其他物体,若部署红外摄像头的地域是几乎没有生物类障碍物的地域,例如高速公路上,那么此时红外摄像头就是与环境参数不相匹配的采集设备。
因此,预先制定了环境类型与感知原理之间的第三对应关系。例如,大雾-夜晚与电测波探测感知和红外线感知相对应,而与激光感知和可见光感知不对应。
207、根据所述第三对应关系,确定所述环境类型对应的启停方案,并建立所述环境类型和所述启停方案之间的第一对应关系。
在确定了环境类型对应的感知原理后,就可以确定该环境类型对应的启停方案。例如确定地域A的大雾-夜晚的启停方案是:启动采集设备A-2和A-5,停机采集设备A-1、A-3和A-4;又例如确定地域A的晴-夜晚的启停方案是启动采集设备A-1、A-2和A-5,停机采集设备A-3和A-4。
208、获取所述采集设备的预设模型和所述环境类型对应的训练数据集。
预先为每个采集设备配置有对应的用于处理该采集设备采集的信息的预设模型,并为不同的环境类型配置有不同的训练数据集。
209、基于所述训练数据集对所述预设模型进行训练,得到感知模型,并建立感知模型、环境类型和采集设备三者之间的第二对应关系。
利用不同环境类型对应的训练集,对采集设备的预设模型进行训练,模型训练可采用Teacher-Student(知识蒸馏),难样本挖掘等方法,得到用于处理采集设备采集在不同环境类型下采集的信息的多个感知模型,多个感知模型的感知精度因环境等级而异。即每个采集设备均配置有多个感知模型,每个感知模型的感知精度不同,而与环境类型相适应。
210、获取所述目标地域的环境参数。
环境参数是表征目标地域的环境状况的参数,具体包括天气参数和时间参数。获取所述目标地域的环境参数包括获取目标地域的天气参数和时间参数。其中,天气参数包括但不限于:晴、阴、小雨、中雨、大雨、暴雨、小雾、大雾、沙尘暴、雪等。时间参数包括但不限于:白日和夜晚。
211、根据预设的第一对应关系,确定所述环境参数对应的目标启停方案。
在一些实施例中,先获取目标地域的地理位置信息,然后利用地理位置信息,如图2b所示的,从互联网中查询目标地域的天气参数和时间参数。
通常从互联网中查询的目标地域的时间参数是确凿的,能够准确反映目标地域当前的时间状态,例如若查询到目标地域的时间是11点整,则说明目标地域当前是白日,又例如查询到目标地域的时间是23点整,则说明目标地域当前是夜晚。当然可以根据实际情况进行调整,以确定目标地域的白日时间段和夜晚时间段,例如我国幅员辽阔,夏令时时,宁波的白日时间段是上午5点整至下午19点30分左右,而乌鲁木齐的白日时间段是上午6点30分左右至下午22点30分左右;冬令时时,宁波的白日时间段是上午6点30分左右至下午17点30分左右,而乌鲁木齐的白日时间段是上午9点整左右至下午19点30分左右。
但是从互联网中查询的天气参数不一定能反映该目标地域内所有采集设备各自所处环境的真实天气情况。例如,查询到某地域正在下雨,当在该地域中部署的某一采集设备预先做好了防雨措施,那么显然该采集设备的真实天气情况并不是下雨。又例如查询到某一地区的天气参数是局部地区有小雨,但很难确定该局部地区位于该地区中的哪里,自然也就不能准确反映部署在该地区内的不同地域的采集设备所处环境的真实天气状况。
因此,在一些实施例中,如图2b所示的,获取该地域对应的信息采集设备集合中在默认状态下处于启动状态的采集设备所采集的初始信息;采用预设的天气分类模型,根据所述初始信息预测天气参数。
天气分类模型是基于机器学习技术,对选定的图像分类模型进行训练后获得的专用于进行天气分类的模型,以拍摄的环境图片为输入,输出输入图片中的环境对应于不同类别天气的概率。
在默认状态下,信息采集设备集合中的所有采集设备均处于启动状态;当然,也并不排除其中部分采集设备处于停机状态。首先获取处于启动状态的采集设备采集的初始信息,例如可以是普通光学摄像头采集的图像,将该初始信息输入天气分类模型进行处理,天气分类模型预测出该普通光学摄像头所在地域的天气参数。
在一些实施例中,步骤“根据预设的第一对应关系,确定所述环境参数对应的目标启停方案”,包括:
根据所述环境参数,确定所述目标地域的目标环境类型。
根据所述第一对应关系,获取所述目标环境类型对应的所述目标启停方案。
在获取了目标地域的环境参数后,就可以根据环境参数从步骤205中预先分类出的环境类型中确定出目标地域当前的环境类型。并根据环境类型从步骤207中确定的启停方案中获取目标地域当前的目标启停方案,对应于图2b所示的“获取启停方案”。
212、根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态。
213、采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
其中,步骤210至步骤213与上述步骤102至步骤105的说明相同或相似,在此不再赘述,具体请参见前文相关说明。
本实施例可以确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;获取所述目标地域的环境参数;根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。在本发明中,根据地域的环境参数确定对应的启停方案,根据启停方案控制该地域内的采集设备的工作状态,例如是控制感知原理与所述环境参数相匹配的采集设备的工作状态为启动状态,并采用启动状态的采集设备进行信息采集,以使进行信息采集的采集设备与部署该采集设备的地域中环境相适应。由此,提升了采集设备的采集性能。
214、根据预设的第二对应关系,确定所述环境参数对应的目标感知模型。
在一些实施例中,步骤“根据预设的第二对应关系,确定所述环境参数对应的目标感知模型”,包括:
根据所述环境参数,确定所述目标地域的目标环境类型。
根据所述第二对应关系,获取所述目标环境类型对应的所述目标感知模型。
在获取了目标地域的环境参数后,就可以根据环境参数从步骤205中预先分类出的环境类型中确定出目标地域当前的环境类型。并根据环境类型从步骤209中训练得到的多个感知模型中获取目标地域当前的目标感知模型,对应于图2b所示的“获取启停方案”后进行“模型调度”。
215、获取所述目标采集设备采集的原始信息。
原始信息即采集设备从目标地域中采集的信息。
216、采用所述目标感知模型,根据所述原始信息,检测所述目标地域中的物体信息。
利用目标感知模型对采集设备采集的原始信息进行检测,以检测出目标地域中的物体,例如是在车路协同系统中,是检测出目标地域内的道路上的障碍物。
在一些实施例中,还包括:
监测所述目标感知模型的训练数据集中的数据量;
获取所述训练数据集的元素特征;
根据所述环境参数和所述物体信息,确定所述原始信息的特征;
当监测到所述训练数据集中的数据量小于第一预设阈值,且所述原始信息的特征符合所述训练数据集的元素特征时,将所述原始信息作为样本数据添加至训练数据集中;对应于图2b中的“数据收集”;
具体地,判断极端条件下如沙尘暴等数据收集量是否满足,一般条件下检测物体的数量,夜间数据与白天数据数量比,简单样本与困难样本之间的数量比等。
监测所述训练数据集中新增样本量;
记录所述目标感知模型的更新时刻;
获取当前时刻;
根据所述更新时刻和所述当前时刻,监测所述目标感知模型距离上次更新的时长;
当监测到所述新增样本量不小于第二预设阈值,或所述时长不小于第三预设阈值时,基于所述训练数据集对所述目标感知模型进行更新,得到更新后的目标感知模型;对应于图2b中的“模型更新”。
模型更新可采用Teacher-Student(知识蒸馏),难样本挖掘等方法,增强感知模型对于夜间场景、极端天气场景的检测能力。
在一些实施例中,还包括:
获取总算力资源;
确定目标感知模型运行时所需的开销算力资源;
当监测到所述开销算力资源小于所述总算力资源时,根据所述总算力资源和所述开销算力资源,计算空余算力资源,并回收所述空余算力资源。
对应于图2b中的“算力调度”,并将回收的空余算力资源用于但不限于数据整理、清洗、训练等。以最大化地利用系统的算力资源。
本实施例可以确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;获取所述目标地域的环境参数;根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。在本发明中,根据地域的环境参数确定对应的启停方案,根据启停方案控制该地域内的采集设备的工作状态,例如是控制感知原理与所述环境参数相匹配的采集设备的工作状态为启动状态,并采用启动状态的采集设备进行信息采集,以使进行信息采集的采集设备与部署该采集设备的地域中环境相适应。由此,提升了采集设备的采集性能。
为了更好地实施以上方法,本实施例还提供一种信息采集装置,该信息采集装置具体可以集成在电子设备中,该电子设备可以为终端、服务器等设备。其中,终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、个人电脑等设备;服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群。
比如,在本实施例中,将以信息采集装置具体集成在服务器中为例,对本实施例的方法进行详细说明。
例如,如图3所示的结构示意图,该信息采集装置可以包括第一确定单元301、第一获取单元302、第二确定单元303、第一控制单元304以及第一采集单元305,如下:
(一)第一确定单元301:
第一确定单元301,用于确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备。
(二)第一获取单元302:
第一获取单元302,用于获取所述目标地域的环境参数。
(三)第二确定单元303:
第二确定单元303,用于根据预设的第一对应关系,确定所述环境参数对应的目标启停方案。
(四)第一控制单元304:
第一控制单元304,用于根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态。
(五)第一采集单元305:
第一采集单元305,用于采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
在一些实施例中,该信息采集装置还包括第三确定单元、第二获取单元以及第一检测单元,如下:
(六)第三确定单元:
第三确定单元,用于根据预设的第二对应关系,确定所述环境参数对应的目标感知模型。
(七)第二获取单元:
第二获取单元,用于获取所述目标采集设备采集的原始信息。
(八)第一检测单元:
第一检测单元,用于采用所述目标感知模型,根据所述原始信息,检测所述目标地域中的物体信息。
在一些实施例中,该信息采集装置还包括第一监测单元、第三获取单元、第四确定单元、第一添加单元、第二监测单元、第一记录单元、第四获取单元、第三监测单元和第一更新单元,如下:
(九)第一监测单元:
第一监测单元,用于监测所述目标感知模型的训练数据集中的数据量。
(十)第三获取单元:
第三获取单元,用于获取所述训练数据集的元素特征。
(十一)第四确定单元:
第四确定单元,用于根据所述环境参数和所述物体信息,确定所述原始信息的特征。
(十二)第一添加单元,
第一添加单元,用于当监测到所述训练数据集中的数据量小于第一预设阈值,且所述原始信息的特征符合所述训练数据集的元素特征时,将所述原始信息作为样本数据添加至训练数据集中。
(十三)第二监测单元:
第二监测单元,用于监测所述训练数据集中新增样本量。
(十四)第一记录单元:
第一记录单元,用于记录所述目标感知模型的更新时刻。
(十五)第四获取单元:
第四获取单元,用于获取当前时刻。
(十六)第三监测单元:
第三监测单元,用于根据所述更新时刻和所述当前时刻,监测所述目标感知模型距离上次更新的时长。
(十七)第一更新单元:
第一更新单元,用于当监测到所述新增样本量不小于第二预设阈值,或所述时长不小于第三预设阈值时,基于所述训练数据集对所述目标感知模型进行更新,得到更新后的目标感知模型。
在一些实施例中,该信息采集装置还包括第五获取单元、第五确定单元以及第一计算单元,如下:
(十八)第五获取单元:
第五获取单元,用于获取总算力资源。
(十九)第五确定单元:
第五确定单元,用于确定目标感知模型运行时所需的开销算力资源。
(二十)第一回收单元:
第一回收单元,用于当监测到所述开销算力资源小于所述总算力资源时,根据所述总算力资源和所述开销算力资源,计算空余算力资源,并回收所述空余算力资源。
在一些实施例中,所述信息采集装置还包括第六获取单元、第六确定单元、第七确定单元、第一分类单元、第七获取单元以及第一建立单元,如下:
(二十一)第六获取单元:
第六获取单元,用于获取地域和环境参数样本数据集之间的第一映射关系。
(二十二)第六确定单元:
第六确定单元,用于根据所述第一映射关系,确定目标地域所对应的目标环境参数样本数据集。
(二十三)第七确定单元:
第七确定单元,用于确定所述采集设备集合中每个采集设备对应的感知原理。
(二十四)第一分类单元:
第一分类单元,用于基于所述目标环境参数样本数据,对所述目标地域进行环境分类,得到所述目标地域对应的环境类型。
(二十五)第七获取单元:
第七获取单元,用于获取环境类型与感知原理之间的第三对应关系。
(二十六)第一建立单元:
第一建立单元,用于根据所述第三对应关系,确定所述环境类型对应的启停方案,并建立所述环境类型和所述启停方案之间的第一对应关系。
在一些实施例中,第二确定单元可以包括第一确定子单元以及第一获取子单元,如下:
(1)第一确定子单元:
第一确定子单元,用于根据所述环境参数,确定所述目标地域的目标环境类型。
(2)第一获取子单元:
第一获取子单元,用于根据所述第一对应关系,获取所述目标环境类型对应的所述目标启停方案。
在一些实施例中,所述信息采集装置还包括第八获取单元以及第二建立单元,如下:
(二十七)第八获取单元:
第八获取单元,用于获取所述采集设备的预设模型和所述环境类型对应的训练数据集。
(二十八)第二建立单元:
第二建立单元,用于基于所述训练数据集对所述预设模型进行训练,得到感知模型,并建立感知模型、环境类型和采集设备三者之间的第二对应关系。
在一些实施例中,第三确定单元可以包括第二确定子单元以及第二获取子单元,如下:
(1)第二确定子单元:
第二确定子单元,用于根据所述环境参数,确定所述目标地域的目标环境类型。
(2)第二获取子单元:
第二获取子单元,用于根据所述第二对应关系,获取所述目标环境类型对应的所述目标感知模型。
在一些实施例中,第一获取单元可以包括第三获取子单元、第三确定子单元以及第四确定子单元,如下:
(1)第三获取子单元:
第三获取子单元,用于获取所述目标地域的天气参数和时间参数。
(2)第三确定子单元:
第三确定子单元,用于根据所述环境参数,确定所述目标地域的环境类型,包括:
(3)第四确定子单元:
第四确定子单元,用于根据所述天气参数和时间参数,确定所述目标地域的环境类型。
在一些实施例中,第三获取子单元,还用于获取所述目标地域的地理位置信息;根据所述地理位置信息,查询所述目标地域的天气参数。
在一些实施例中,第三获取子单元,还用于获取所述信息采集设备集合中在默认状态下处于启动状态的采集设备所采集的初始信息;采用预设的天气分类模型,根据所述初始信息预测天气参数。
在一些实施例中,第一控制单元可以包括第五确定子单元以及第一调整子单元,和/或,第一控制单元可以包括第六确定子单元以及第二调整子单元,如下:
(1)第五确定子单元:
第五确定子单元,用于根据所述目标启停方案,从所述采集设备集合中确定出第一采集设备,所述第一采集设备是其感知原理与所述环境参数相匹配的采集设备。
(2)第一调整子单元:
第一调整子单元,用于将所述第一采集设备的工作状态调整为启动状态。
(3)第六确定子单元:
第六确定子单元,用于根据所述目标启停方案,从所述采集设备集合中确定出第二采集设备,所述第二采集设备是其感知原理与所述环境参数不相匹配的采集设备。
(4)第二调整子单元:
第二调整子单元,用于将所述第二采集设备的工作状态调整为停机状态。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本实施例的信息采集装置可以确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;获取所述目标地域的环境参数;根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。在本发明中,根据地域的环境参数确定对应的启停方案,根据启停方案控制该地域内的采集设备的工作状态,例如是控制感知原理与所述环境参数相匹配的采集设备的工作状态为启动状态,并采用启动状态的采集设备进行信息采集,以使进行信息采集的采集设备与部署该采集设备的地域中环境相适应。由此,提升了采集设备的采集性能。
本实施例还提供一种电子设备,该电子设备可以为终端、服务器等设备。其中,终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、个人电脑,等等;服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群,等等。
在一些实施例中,该信息采集装置还可以集成在多个电子设备中,比如,信息采集装置可以集成在多个服务器中,由多个服务器来实现本发明的信息采集方法。
在本实施例中,将以本实施例的电子设备是服务器为例进行详细描述,比如,如图4所示,其示出了本实施例所涉及的服务器的结构示意图,具体来讲:
该服务器可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403、输入模块404以及通信模块405等部件。本领域技术人员可以理解,图4中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。在一些实施例中,处理器401可包括一个或多个处理核心;在一些实施例中,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
服务器还包括给各个部件供电的电源403,在一些实施例中,电源403可以通过电源管理系统与处理器401逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入模块404,该输入模块404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
该服务器还可包括通信模块405,在一些实施例中通信模块405可以包括无线模块,服务器可以通过该通信模块405的无线模块进行短距离无线传输,从而为用户提供了无线的宽带互联网访问。比如,该通信模块405可以用于帮助用户收发电子邮件、浏览网页和访问流式媒体等。
尽管未示出,服务器还可以包括显示单元等,在此不再赘述。具体在本实施例中,服务器中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;
获取所述目标地域的环境参数;
根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;
根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;
采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本实施例可以确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;获取所述目标地域的环境参数;根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。在本发明中,根据地域的环境参数确定对应的启停方案,根据启停方案控制该地域内的采集设备的工作状态,例如是控制感知原理与所述环境参数相匹配的采集设备的工作状态为启动状态,并采用启动状态的采集设备进行信息采集,以使进行信息采集的采集设备与部署该采集设备的地域中环境相适应。由此,提升了采集设备的采集性能。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本实施例提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本实施例所提供的任一种信息采集方法中的步骤。例如,该指令可以执行如下步骤:
确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;
获取所述目标地域的环境参数;
根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;
根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;
采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中提供的信息采集方面的各种可选实现方式中提供的方法。
由于该存储介质中所存储的指令,可以执行本实施例所提供的任一种信息采集方法中的步骤,因此,可以实现本实施例所提供的任一种信息采集方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本实施例所提供的一种信息采集方法、装置、设备和计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (13)
1.一种信息采集方法,其特征在于,包括:
确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;
获取所述目标地域的环境参数;
根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;
根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;
采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
2.如权利要求1所述的信息采集方法,其特征在于,还包括:
根据预设的第二对应关系,确定所述环境参数对应的目标感知模型;
获取所述目标采集设备采集的原始信息;
采用所述目标感知模型,根据所述原始信息,检测所述目标地域中的物体信息。
3.如权利要求2所述的信息采集方法,其特征在于,还包括:
监测所述目标感知模型的训练数据集中的数据量;
获取所述训练数据集的元素特征;
根据所述环境参数和所述物体信息,确定所述原始信息的特征;
当监测到所述训练数据集中的数据量小于第一预设阈值,且所述原始信息的特征符合所述训练数据集的元素特征时,将所述原始信息作为样本数据添加至训练数据集中;
监测所述训练数据集中新增样本量;
记录所述目标感知模型的更新时刻;
获取当前时刻;
根据所述更新时刻和所述当前时刻,监测所述目标感知模型距离上次更新的时长;
当监测到所述新增样本量不小于第二预设阈值,或所述时长不小于第三预设阈值时,基于所述训练数据集对所述目标感知模型进行更新,得到更新后的目标感知模型。
4.如权利要求2所述的信息采集方法,其特征在于,还包括:
获取总算力资源;
确定目标感知模型运行时所需的开销算力资源;
当监测到所述开销算力资源小于所述总算力资源时,根据所述总算力资源和所述开销算力资源,计算空余算力资源,并回收所述空余算力资源。
5.如权利要求2-4任一项所述的信息采集方法,其特征在于,在获取目标地域的环境参数之前,还包括:
获取地域和环境参数样本数据集之间的第一映射关系;
根据所述第一映射关系,确定目标地域所对应的目标环境参数样本数据集;
确定所述采集设备集合中每个采集设备对应的感知原理;
基于所述目标环境参数样本数据,对所述目标地域进行环境分类,得到所述目标地域对应的环境类型;
获取环境类型与感知原理之间的第三对应关系;
根据所述第三对应关系,确定所述环境类型对应的启停方案,并建立所述环境类型和所述启停方案之间的第一对应关系;
根据预设的第一对应关系,确定所述环境参数对应的目标启停方案,包括:
根据所述环境参数,确定所述目标地域的目标环境类型;
根据所述第一对应关系,获取所述目标环境类型对应的所述目标启停方案。
6.如权利要求5所述的信息采集方法,其特征在于,在基于所述目标环境参数样本数据,对所述目标地域进行环境分类,得到所述目标地域对应的环境类型之后,还包括:
获取所述采集设备的预设模型和所述环境类型对应的训练数据集;
基于所述训练数据集对所述预设模型进行训练,得到感知模型,并建立感知模型、环境类型和采集设备三者之间的第二对应关系;
根据预设的第二对应关系,确定所述环境参数对应的目标感知模型,包括:
根据所述环境参数,确定所述目标地域的目标环境类型;
根据所述第二对应关系,获取所述目标环境类型对应的所述目标感知模型。
7.如权利要求5所述的信息采集方法,其特征在于,获取目标地域的环境参数,包括:
获取所述目标地域的天气参数和时间参数;
根据所述环境参数,确定所述目标地域的环境类型,包括:
根据所述天气参数和时间参数,确定所述目标地域的环境类型。
8.如权利要求6所述的信息采集方法,其特征在于,获取所述目标地域的当前天气参数,包括:
获取所述目标地域的地理位置信息;
根据所述地理位置信息,查询所述目标地域的天气参数。
9.如权利要求6所述的信息采集方法,其特征在于,获取所述目标地域的天气参数,包括:
获取所述信息采集设备集合中在默认状态下处于启动状态的采集设备所采集的初始信息;
采用预设的天气分类模型,根据所述初始信息预测天气参数。
10.如权利要求1所述的信息采集方法,其特征在于,根据所述目标感知启停方案,控制所述采集设备集合中每个采集设备的工作状态,包括:
根据所述目标启停方案,从所述采集设备集合中确定出第一采集设备,所述第一采集设备是其感知原理与所述环境参数相匹配的采集设备,将所述第一采集设备的工作状态调整为启动状态;
和/或,
根据所述目标启停方案,从所述采集设备集合中确定出第二采集设备,所述第二采集设备是其感知原理与所述环境参数不相匹配的采集设备,将所述第二采集设备的工作状态调整为停机状态。
11.一种信息采集装置,其特征在于,包括:
第一确定单元,用于确定目标地域对应的采集设备集合,所述采集设备集合中包括多类采集设备;
第一获取单元,用于获取所述目标地域的环境参数;
第二确定单元,用于根据预设的第一对应关系,确定所述环境参数对应的目标启停方案;
第一控制单元,用于根据所述目标启停方案,控制所述采集设备集合中每个采集设备的工作状态,所述工作状态包括启动状态和停机状态;
第一采集单元,用于采用目标采集设备进行采集,所述目标采集设备为工作状态是启动状态的采集设备。
12.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有多条指令;所述处理器从所述存储器中加载指令,以执行如权利要求1~10任一项所述的信息采集方法中的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1~10任一项所述的信息采集方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330970.8A CN112712074A (zh) | 2021-03-29 | 2021-03-29 | 一种信息采集方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330970.8A CN112712074A (zh) | 2021-03-29 | 2021-03-29 | 一种信息采集方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112712074A true CN112712074A (zh) | 2021-04-27 |
Family
ID=75550378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110330970.8A Pending CN112712074A (zh) | 2021-03-29 | 2021-03-29 | 一种信息采集方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112712074A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024088031A1 (zh) * | 2022-10-27 | 2024-05-02 | 华为云计算技术有限公司 | 一种数据采集方法、装置及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101335833A (zh) * | 2007-06-26 | 2008-12-31 | 索尼株式会社 | 图像拾取装置和用于图像拾取装置的切换方法 |
CN109218598A (zh) * | 2017-06-30 | 2019-01-15 | 北京臻迪科技股份有限公司 | 一种相机切换方法、装置及无人机 |
CN109977876A (zh) * | 2019-03-28 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、计算设备、系统和存储介质 |
CN110533921A (zh) * | 2019-08-06 | 2019-12-03 | 北京万集科技股份有限公司 | 车辆的触发抓拍方法及系统 |
CN111127898A (zh) * | 2019-12-27 | 2020-05-08 | 北京万集科技股份有限公司 | 触发模式的切换方法及装置 |
CN210667171U (zh) * | 2019-08-06 | 2020-06-02 | 北京万集科技股份有限公司 | 一种基于激光检测道路车辆抓拍识别系统 |
-
2021
- 2021-03-29 CN CN202110330970.8A patent/CN112712074A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101335833A (zh) * | 2007-06-26 | 2008-12-31 | 索尼株式会社 | 图像拾取装置和用于图像拾取装置的切换方法 |
CN109218598A (zh) * | 2017-06-30 | 2019-01-15 | 北京臻迪科技股份有限公司 | 一种相机切换方法、装置及无人机 |
CN109977876A (zh) * | 2019-03-28 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、计算设备、系统和存储介质 |
CN110533921A (zh) * | 2019-08-06 | 2019-12-03 | 北京万集科技股份有限公司 | 车辆的触发抓拍方法及系统 |
CN210667171U (zh) * | 2019-08-06 | 2020-06-02 | 北京万集科技股份有限公司 | 一种基于激光检测道路车辆抓拍识别系统 |
CN111127898A (zh) * | 2019-12-27 | 2020-05-08 | 北京万集科技股份有限公司 | 触发模式的切换方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024088031A1 (zh) * | 2022-10-27 | 2024-05-02 | 华为云计算技术有限公司 | 一种数据采集方法、装置及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110196593B (zh) | 一种自动驾驶多场景环境检测及决策系统及方法 | |
CN108955702B (zh) | 基于三维激光和gps惯性导航系统的车道级地图创建系统 | |
CN112256589B (zh) | 一种仿真模型的训练方法、点云数据的生成方法及装置 | |
CN102980607A (zh) | 一种输电线路图像识别监控系统 | |
CN108280902A (zh) | 车载监控设备的文件处理方法及装置、车载监控设备 | |
CN115631356B (zh) | 道路设施缺失识别方法、装置、存储介质及电子装置 | |
CN115331190B (zh) | 一种基于雷视融合的道路隐患识别方法及装置 | |
CN107767685A (zh) | 一种寻车系统及方法 | |
CN112633120B (zh) | 一种基于半监督学习的智能路侧感知系统的模型训练方法 | |
CN111526324B (zh) | 监控系统及方法 | |
EP4345773A1 (en) | Lane line extraction method and apparatus, vehicle and storage medium | |
CN113515536A (zh) | 地图的更新方法、装置、设备、服务器以及存储介质 | |
US11810343B2 (en) | Artificial intuition based visual data extraction for distributed systems | |
CN112712074A (zh) | 一种信息采集方法、装置、设备和存储介质 | |
CN111929672A (zh) | 移动轨迹的确定方法及装置、存储介质和电子装置 | |
CN112068464A (zh) | 一种基于主动探测及视觉识别的驱鸟装置及方法 | |
CN114637770A (zh) | 车辆轨迹的预测方法、装置 | |
CN114359868A (zh) | 3d点云目标的检测方法和装置 | |
CN112365544B (zh) | 图像识别干扰检测方法、装置、计算机设备及存储介质 | |
CN111380529B (zh) | 移动设备定位方法、装置、系统及移动设备 | |
CN103839278A (zh) | 一种前景检测方法及装置 | |
CN115272531A (zh) | 数据显示方法、系统及存储介质 | |
CN112565465A (zh) | 基于车联网的数据采集方法、装置及系统 | |
CN111310660A (zh) | 用于adas场景的目标检测虚警抑制方法及装置 | |
WO2022193154A1 (zh) | 雨刷控制方法、汽车及计算机可读存储介质 |
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 |