CN113421421B - 一种基于5g网络的车载信息系统 - Google Patents

Abstract

本发明涉及一种基于5G网络的车载信息系统。该系统通过图像采集模块获取的图像、定位模块获取的位置信息以及用于输入的语音数据快速的获取异常情况的具体信息，并将信息利用5G网络实时传播到预定范围内的行驶车辆，从而使得相关车辆能够基于实时获取的信息重新进行路径规划，有效避免拥堵。当CPU的计算力无法满足数据处理需求时，CPU通过将待处理数据拆分后发送至多个GPU，利用GPU的强大计算能力，提高了数据处理速度，进而进一步提高了路况获取及消息传输的速度。异常路段周边的用户可以利用5G网络实时获取周边路况信息，并基于接收到的实时信息查看到实时路况，从而及时调整行驶路线，有效降低拥堵情况的发生。

Description

一种基于5G网络的车载信息系统

技术领域

本发明涉及车载信息系统，具体涉及一种5G网络的车载信息系统。

背景技术

车辆行驶安全一直是人们追求的目标，现有的车载导航系统一般采用卫星定位技术，实时获取道路情况，从而为用户规划行驶路径。导航的大部分道路数据是通过卫星获取的，根据高清的卫星影像，然后再去人工采集信息，再进行采集到的信息入库。但是，由于建筑物遮挡或天气等环境因素，会出现卫星信号失效的情况，从而导致无法实时采集路况信息，进而无法实时预测道路的拥堵情况。

现有技术中还有采用固定地点配置的摄像头采集事故现场的图像的方式，由于警用固定摄像头的地点角度的局限性，导致获取的图像信息视野较窄，所涵盖的道路交通信息也较少，不能完全作为交通监管部门引导交通的依据。当警力无法及时到达事故地点，会使拥堵事件进一步严重、影响进一步扩大。

现在普遍使用的车载导航，虽然可以将自己的位置信息直接上传到导航服务器，有时候导航也会利用悬赏的方式促使用户拍照上传路况信息，工作人员可以通过服务器去检测道路的拥堵情况，但该方法时效性低，对交通事故信息的采集和更新不够及时，导致拥堵预测滞后。且现有的实时路况的显示技术，用户只能大致查看到拥堵信息，无法获得准确的拥堵的现场状态，特别是当已经处于拥堵的道路时，由于无法知道前方拥堵的原因，当人们处于一个未知结果的环境时，更加容易让人产生焦虑。

近年来，车辆的数量与日俱增，当道路突然出现事故或者异常情况，导致整条道路车行缓慢或者是严重拥堵。因此，如何快速获取事故或异常信息，使得拥堵预测及时、准确是急需解决的技术问题。

发明内容

5G(第五代移动通信)技术同时兼具低时延(低至1ms)、高可靠性(达99.99％)、大容量、复杂非视距环境下通信质量保证等优点。鉴于此，本发明实施例提供一种基于5G网络的车载信息系统，通过车载装置与服务器无线通信连接，把车载装置拍摄的现场实际情况的照片、视频，用户输入的数据发回服务器，并将现场情况实时发送给事故周边用户，从而有效避免拥堵。

一种基于5G网络的车载信息系统，包括定位模块，图像采集模块，语音采集模块，控制模块，处理模块，无线通信模块；其中，所述处理模块包括中央处理单元CPU，多个图形处理单元GPU；所述无线通信模块采用5G通信模式；

所述定位模块用于实时获取车辆的位置信息，包括经纬度坐标；

所述图像采集模块用于采集路况信息，包括交通异常路况下的图片和/或视频数据，点云数据；

所述语音采集模块用于采集用户输入的语音数据；

所述控制模块用于收集所述定位模块、图像采集模块和语音采集模块获取的数据，预测数据处理量，当数据处理量不大于第一阈值时，且中央处理单元CPU在连续N个时段内，每个时段的使用率均低于第二阈值时，将数据发送至中央处理单元CPU进行处理，当数据处理量大于第一阈值时，将数据进行拆分，并基于中央处理单元CPU的繁忙程度，将数据发送至中央处理单元CPU和/或各图形处理单元GPU进行处理，并将各图形处理单元GPU处理后的数据进行合并，生成路况信息；

所述无线通信模块用于将数据处理模块处理后的数据发送至云平台服务器，用于地图的实时更新，所述无线通信模块还用于将数据处理单元处理后的信息实时发送至与当前车辆距离在第三阈值范围内的其他车辆。

其中，CPU需要处理的数据存储在内存中，GPU需要处理的数据存储在显存中。

有数据分配到图形处理单元GPU进行处理时，需要由CPU将数据复制到内存中，然后再由CPU将内存中的数据写入显存中后通知GPU执行。

所述用户输入的语音数据包括控制指令数据和/或信息数据。

所述用户输入的控制指令数据包括控制图像采集模块采集图像和/或视频的频率控制指令，所述用户输入的信息数据包括异常路段的道路名称、车道信息和具体异常原因。

依据当前车辆采集的位置信息、用户输入的语音数据和图像采集模块采集的图像确定发生异常情况的位置信息。

所述异常情况包括交通事故、施工、积水、封路、拥堵。

所述异常情况的位置信息包括异常路段的经纬度坐标、道路名称、具体车道信息。

所述控制模块用于收集所述定位模块、图像采集模块和语音采集模块获取的数据，预测数据处理量，具体包括如下步骤：

1)分别通过定位模块、图像采集模块和语音采集模块获取定位数据A1、图像数据A2和语音数据A3；

2)确定定位数据A1、图像数据A2和语音数据A3的权重值k1、k2、k3；

3)基于定位数据A1、图像数据A2语音数据A3和其对应的权重值k1、k2、k3确定数据量A＝A1*k1+A2*k2+A3*k3，对数据量A进行归一化处理得到预测数据处理量。

所述生成路况信息具体包括如下步骤：

1)基于定位数据获取当前车辆的位置信息，具体包括经纬度坐标、道路名称、具体车道信息；

2)基于图像数据获取交通标识信息、车道信息、异常情况的现场图片和/或视频数据，通过交通标识信息进一步获取道路名称；

3)基于语音数据获取用户输入的控制指令数据和/或信息数据，用户输入的信息数据包括异常路段的道路名称、车道信息和具体异常原因；

4)综合上述步骤1)、2)、3)中确定的信息进一步确定异常现场的准确道路名称、车道信息、经纬度信息和异常原因，同时基于上述准确信息确定定位数据A1、图像数据A2和语音数据A3的权重r1、r2、r3，将加权求和后的数据B＝A1*r1+A2*r2+A3*r3通过5G网络发送至云平台服务器和其他车辆。

本发明的有益效果：

(1)该系统通过图像采集模块获取的图像、定位模块获取的位置信息以及用于输入的语音数据快速的获取异常情况的具体信息，并将信息利用5G网络实时传播到预定范围内的行驶车辆，从而使得相关车辆能够基于实时获取的信息重新进行路径规划，有效避免拥堵。

(2)当CPU的计算力无法满足数据处理需求时，CPU通过将待处理数据拆分后发送至多个GPU，利用GPU的强大计算能力，提高了数据处理速度，进而进一步提高了路况获取及消息传输的速度。

(3)异常路段周边的用户可以利用5G网络实时获取周边路况信息，并基于接收到的实时信息查看到实时路况，从而及时调整行驶路线，有效降低拥堵情况的发生。

附图说明

图1本发明实施例的一种实施环境示意图；

图2本发明实施例的一种基于5G网络的车载信息处理流程图。

具体实施方式

一种基于5G网络的车载信息系统，包括定位模块，图像采集模块，语音采集模块，控制模块，处理模块，无线通信模块；其中，所述处理模块包括中央处理单元CPU，多个图形处理单元GPU；所述无线通信模块采用5G通信模式；

所述定位模块用于实时获取车辆的位置信息，包括经纬度坐标；

所述图像采集模块用于采集路况信息，包括交通异常路况下的图片和/或视频数据，点云数据；

所述语音采集模块用于采集用户输入的语音数据；

所述控制模块用于收集所述定位模块、图像采集模块和语音采集模块获取的数据，预测数据处理量，当数据处理量不大于第一阈值时，且中央处理单元CPU在连续N个时段内，每个时段的使用率均低于第二阈值时，将数据发送至中央处理单元CPU进行处理，当数据处理量大于第一阈值时，将数据进行拆分，并基于中央处理单元CPU的繁忙程度，将数据发送至中央处理单元CPU和/或各图形处理单元GPU进行处理，并将各图形处理单元GPU处理后的数据进行合并，生成路况信息；

所述无线通信模块用于将数据处理模块处理后的数据发送至云平台服务器，用于地图的实时更新，所述无线通信模块还用于将数据处理单元处理后的信息实时发送至与当前车辆距离在第三阈值范围内的其他车辆。

在不使用GPU进行数据处理的系统中，由CPU将针对内存中存储的数据进行处理，返回结果集。而当待处理数据的规模很大时，CPU的处理能力将无法满足数据处理需求，导致数据处理速度较慢。

因此，在本实施例中，首先收集所述定位模块、图像采集模块和语音采集模块获取的数据，预测数据处理量，当数据处理量不大于第一阈值时，将数据发送至中央处理单元CPU进行处理，当数据处理量大于第一阈值时，将数据进行拆分，同时基于CPU的繁忙程度，将数据分别发送至中央处理单元CPU和/或各图形处理单元GPU进行处理，并将各图形处理单元GPU处理后的数据进行合并，生成路况信息。

由GPU对大数据量进行处理，包括：由GPU的多个并行线程对数据进行并行处理。GPU由于具有强大的计算能力，因此在使用GPU对数据进行处理时，可以为GPU分配多个任务，使GPU使用多个并行的线程同步进行查询，从而提高查询效率。由于通过对待处理数据量的大小进行判断后，选择CPU或GPU进行处理，考虑了CPU和GPU的特点，使得采用CPU和GPU的混合查询架构对分布式数据库进行查询时，提高了查询效率，缩短了查询所需时间。

在向CPU和GPU分配处理任务时，不仅要考虑数据量的大小，还要同时考虑CPU的空闲程度，若数据量小，但CPU因处理其他进程储于繁忙状态时，也需要由GPU分担数据处理任务，仅在数据处理量不大于第一阈值时，且中央处理单元CPU在连续N个时段内，每个时段的使用率均低于第二阈值时，将数据发送至中央处理单元CPU进行处理。

其中，CPU需要处理的数据存储在内存中，GPU需要处理的数据存储在显存中。

有数据分配到图形处理单元GPU进行处理时，需要由CPU将数据复制到内存中，然后再由CPU将内存中的数据写入显存中后通知GPU执行。

所述用户输入的语音数据包括控制指令数据和/或信息数据。

所述用户输入的控制指令数据包括控制图像采集模块采集图像和/或视频的频率控制指令，所述用户输入的信息数据包括异常路段的道路名称、车道信息和具体异常原因。

依据当前车辆采集的位置信息、用户输入的语音数据和图像采集模块采集的图像确定发生异常情况的位置信息。

所述异常情况包括交通事故、施工、积水、封路、拥堵。

所述异常情况的位置信息包括异常路段的经纬度坐标、道路名称、具体车道信息。

所述控制模块用于收集所述定位模块、图像采集模块和语音采集模块获取的数据，预测数据处理量，具体包括如下步骤：

1)分别通过定位模块、图像采集模块和语音采集模块获取定位数据A1、图像数据A2和语音数据A3；

2)确定定位数据A1、图像数据A2和语音数据A3的权重值k1、k2、k3；

3)基于定位数据A1、图像数据A2语音数据A3和其对应的权重值k1、k2、k3确定数据量A＝A1*k1+A2*k2+A3*k3，对数据量A进行归一化处理得到预测数据处理量。

鉴于用户输入的语音数据、通过图像处理获得的数据和通过定位模块获取的数据的准确度，通常设定k1<k2<k3，上述权重大小的可以基于用户的设置更改。

所述生成路况信息具体包括如下步骤：

1)基于定位数据获取当前车辆的位置信息，具体包括经纬度坐标、道路名称、具体车道信息；

2)基于图像数据获取交通标识信息、车道信息、异常情况的现场图片和/或视频数据，通过交通标识信息进一步获取道路名称；

3)基于语音数据获取用户输入的控制指令数据和/或信息数据，用户输入的信息数据包括异常路段的道路名称、车道信息和具体异常原因；

4)综合上述步骤1)、2)、3)中确定的信息进一步确定异常现场的准确道路名称、车道信息、经纬度信息和异常原因，同时基于上述准确信息确定定位数据A1、图像数据A2和语音数据A3的权重r1、r2、r3，将加权求和后的数据B＝A1*r1+A2*r2+A3*r3通过5G网络发送至云平台服务器和其他车辆。

鉴于定位识别、图像识别和语音识别中均可能存在误差，因此，可综合定位数据A1、图像数据A2和语音数据A3获取准确道路名称、车道信息、经纬度信息和异常原因，并基于上述准确信息确定定位数据A1、图像数据A2和语音数据A3的权重r1、r2、r3，将加权求和后的数据B＝A1*r1+A2*r2+A3*r3通过5G网络发送至云平台服务器和其他车辆，可使得传输至服务器和其他车辆的数据信息更精确。

上述步骤2)中基于图像数据获取交通标识信息的具体方法如下：

交通标识检测的主要目的时在输入的图像中搜索可能包含的文字和标志的区域，也称为感兴趣区域。

本申请中采用多尺度滑动窗口策略提取感兴趣区域。

滑动窗口检测方法是以一个大小固定的检测窗口在整个输入图像空间中滑动，通过如下规则判断滑动窗口是否可能存在感兴趣区域。

sum(img(x,y,w,h))/area(img(x,y,w,h))>Threshold

其中img(x,y,w,h)为当前的滑动窗口，(x,y,w,h)代表当前滑动窗口在输入图像中左上角的坐标、窗口的宽度和高度；sum(img(x,y,w,h))是滑动窗口内像素点值为1的累加计数，area(img(x,y,w,h))是滑动窗口内所有像素点的累加计数。当他们的比值大于一定阈值Threshold时，窗口内的白色点的占比大于阈值，则认为该滑动窗口内可能存在感兴趣区域，将该区域进行特征提取，进一步获取准确信息。

上述步骤2)中基于图像数据获取车道信息的具体方法如下：

获取基于图像采集模块获取的点云数据，所述点云数据包括各点云的点云位置和反射强度；

所述图像采集模块进一步包括摄像装置及激光雷达装置，通过所述激光雷达装置获取点云数据；

基于所述点云数据生成第一图像，所述第一图像中包含各所述点云对应的图像点，各所述点云对应的图像点的图像灰度值根据该点云的所述点云位置和所述反射强度确定；

根据各所述图像灰度值，确定所述第一图像的目标分割阈值；

根据所述目标分割阈值，对所述第一图像进行分割处理，获得第二图像，基于所述第二图像确定车道信息。

目标分割阈值用于分割第一图像中的路面图像点和车道图像点。路面点云和车道点云由于其点云位置和反射强度不同，从而其对应的图像点的图像灰度值也不同，从第一图像中的各图像灰度值中确定一个可以将路面图像点和车道图像点区分开来的图像灰度值，作为目标分割阈值。

根据各图像灰度值及其对应的图像点数量，获得灰度值分布图，灰度值分布图的第一坐标表示图像灰度值，第二坐标表示图像点数量。

检测灰度值分布图中在第二坐标方向上的峰值，确定各波峰中第二坐标值最大的第一峰值和第二峰值。

判断第一峰值和第二峰值之间是否存在其它峰值，若否，根据各图像灰度值确定最大类间方差值，作为该分块图像的分块分割阈值。

若是，则从存在的其它峰值中，选取与第一峰值相邻的峰值作为第三峰值；第一峰值的第二坐标值大于或等于第二峰值的第二坐标值，根据第一峰值与第三峰值之间的最小第二坐标值对应的图像灰度值，确定该分块图像的目标分割阈值。

从第二图像中提取车道图像点。

当基于车道图像点形成的车道不连续时，获取各断开处的两个端点的位置，根据各端点的位置以及各端点处的切线，确定车道在各断开处的连接曲线。

根据各连接曲线，在车道的各断开处的两个端点之间进行插值，获得插值后的车道图像点。

对插值后的车道图像点进行曲线拟合，获得车道曲线。

对车道曲线进行滤波，获得滤波后的车道曲线。

将滤波后的车道曲线上的点的坐标，从图像坐标系转换到车身坐标系下，确定车道信息。

通过上述车道信息获取方法可以获得准确的车道信息，并通过5G网络实时传播到预定范围内的行驶车辆，同时传送给云平台服务器，使得其他车辆可以获取更精准的道路异常情况。

该系统通过图像采集模块获取的图像、定位模块获取的位置信息以及用于输入的语音数据快速的获取异常情况的具体信息，并将信息利用5G网络实时传播到预定范围内的行驶车辆，从而使得相关车辆能够基于实时获取的信息重新进行路径规划，有效避免拥堵。

当CPU的计算力无法满足数据处理需求时，CPU通过将待处理数据拆分后发送至多个GPU，利用GPU的强大计算能力，提高了数据处理速度，进而进一步提高了路况获取及消息传输的速度。

异常路段周边的用户可以利用5G网络实时获取周边路况信息，并基于接收到的实时信息查看到实时路况，从而及时调整行驶路线，有效降低拥堵情况的发生。

在示例性实施例中，还提供了一种存储有计算机程序的计算机可读存储介质，例如存储有计算机程序的存储器，上述计算机程序被处理执行时实现上述实施例中所示的音频文件检索方法。例如，上述计算机可读存储介质可以是只读内存(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(Compact Disc Read-OnlyMemory，CD-ROM)、磁带、软盘和光数据存储设备等。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于5G网络的车载信息系统，包括定位模块，图像采集模块，语音采集模块，控制模块，处理模块，无线通信模块；其中，所述处理模块包括中央处理单元CPU，多个图形处理单元GPU；所述无线通信模块采用5G通信模式；

所述定位模块用于实时获取车辆的位置信息，包括经纬度坐标；

所述图像采集模块用于采集路况信息，包括交通异常路况下的图片和/或视频数据，点云数据；

所述语音采集模块用于采集用户输入的语音数据；

所述控制模块用于收集所述定位模块、图像采集模块和语音采集模块获取的数据，预测数据处理量，当数据处理量不大于第一阈值时，且中央处理单元CPU在连续N个时段内，每个时段的使用率均低于第二阈值时，将数据发送至中央处理单元CPU进行处理，当数据处理量大于第一阈值时，将数据进行拆分，并基于中央处理单元CPU的繁忙程度，将数据发送至中央处理单元CPU和/或各图形处理单元GPU进行处理，并将各图形处理单元GPU处理后的数据进行合并，生成路况信息；

所述无线通信模块用于将数据处理模块处理后的数据发送至云平台服务器，用于地图的实时更新，所述无线通信模块还用于将数据处理单元处理后的信息实时发送至与当前车辆距离在第三阈值范围内的其他车辆；

所述生成路况信息具体包括如下步骤：

1)基于定位数据获取当前车辆的位置信息，具体包括经纬度坐标、道路名称、具体车道信息；

2)基于图像数据获取交通标识信息、车道信息、异常情况的现场图片和/或视频数据，通过交通标识信息进一步获取道路名称；

3)基于语音数据获取用户输入的控制指令数据和/或信息数据，用户输入的信息数据包括异常路段的道路名称、车道信息和具体异常原因；

4)综合上述步骤1)、2)、3)中确定的信息进一步确定异常现场的准确道路名称、车道信息、经纬度信息和异常原因，同时基于上述准确信息确定定位数据A1、图像数据A2和语音数据A3的权重r1、r2、r3，将加权求和后的数据B＝A1*r1+A2*r2+A3*r3通过5G网络发送至云平台服务器和其他车辆；

上述步骤2)中基于图像数据获取车道信息的具体方法如下：

获取基于图像采集模块获取的点云数据，所述点云数据包括各点云的点云位置和反射强度；

所述图像采集模块进一步包括摄像装置及激光雷达装置，通过所述激光雷达装置获取点云数据；

基于所述点云数据生成第一图像，所述第一图像中包含各所述点云对应的图像点，各所述点云对应的图像点的图像灰度值根据该点云的所述点云位置和所述反射强度确定；

根据各所述图像灰度值，确定所述第一图像的目标分割阈值；

根据所述目标分割阈值，对所述第一图像进行分割处理，获得第二图像，基于所述第二图像确定车道信息；

目标分割阈值用于分割第一图像中的路面图像点和车道图像点；路面点云和车道点云由于其点云位置和反射强度不同，从而其对应的图像点的图像灰度值也不同，从第一图像中的各图像灰度值中确定一个可以将路面图像点和车道图像点区分开来的图像灰度值，作为目标分割阈值。

2.如权利要求1所述的一种基于5G网络的车载信息系统，其中，CPU需要处理的数据存储在内存中，GPU需要处理的数据存储在显存中。

3.如权利要求2所述的一种基于5G网络的车载信息系统，有数据分配到图形处理单元GPU进行处理时，需要由CPU将数据复制到内存中，然后再由CPU将内存中的数据写入显存中后通知GPU执行。

4.如权利要求1所述的一种基于5G网络的车载信息系统，所述用户输入的语音数据包括控制指令数据和/或信息数据。

5.如权利要求4所述的一种基于5G网络的车载信息系统，所述用户输入的控制指令数据包括控制图像采集模块采集图像和/或视频的频率控制指令，所述用户输入的信息数据包括异常路段的道路名称、车道信息和具体异常原因。

6.如权利要求1所述的一种基于5G网络的车载信息系统，依据当前车辆采集的位置信息、用户输入的语音数据和图像采集模块采集的图像确定发生异常情况的位置信息。

7.如权利要求5所述的一种基于5G网络的车载信息系统，所述异常包括交通事故、施工、积水、封路、拥堵。

8.如权利要求5所述的一种基于5G网络的车载信息系统，所述异常的位置信息包括异常路段的经纬度坐标、道路名称、具体车道信息。

9.如权利要求1所述的一种基于5G网络的车载信息系统，所述控制模块用于收集所述定位模块、图像采集模块和语音采集模块获取的数据，预测数据处理量，具体包括如下步骤：

1)分别通过定位模块、图像采集模块和语音采集模块获取定位数据A1、图像数据A2和语音数据A3；

2)确定定位数据A1、图像数据A2和语音数据A3的权重值k1、k2、k3；

3)基于定位数据A1、图像数据A2语音数据A3和其对应的权重值k1、k2、k3确定数据量A＝A1*k1+A2*k2+A3*k3，对数据量A进行归一化处理得到预测数据处理量。

Images