CN113433548B - 一种数据监控方法、装置、设备及存储介质 - Google Patents
一种数据监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113433548B CN113433548B CN202110702560.1A CN202110702560A CN113433548B CN 113433548 B CN113433548 B CN 113433548B CN 202110702560 A CN202110702560 A CN 202110702560A CN 113433548 B CN113433548 B CN 113433548B
- Authority
- CN
- China
- Prior art keywords
- data
- target vehicle
- vehicle
- module
- data corresponding
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G01S13/862—Combination of radar systems with sonar 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
- G01S13/865—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
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Abstract
本发明实施例公开了一种数据监控方法、装置、设备及存储介质。其中,方法包括:通过目标车辆周围配置的各传感器获取与目标车辆对应的行驶数据;其中,行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据;对各行驶数据进行融合处理,得到与目标车辆对应的周边情况数据;将周边情况数据在三维地图数据中进行实时显示,根据显示结果确定目标车辆是否存在安全问题。本发明实施例的方案,实现了对智能网联汽车进行高精度的监控,可以实时地对车辆遇到的安全问题进行预警。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种数据监控方法、装置、设备及存储介质。
背景技术
随着中国智能网联汽车技术的飞速发展,形成了多个智能网联示范区,并有相当数量的智能网联汽车开展示范运营,在这个过程中需要对示范运营的车辆进行全方位数据采集、车辆监控以及数据分析等。
但是,现有的对智能网联汽车进行数据采集、车辆监控以及数据分析的过程主要着重与车辆自身的状态,无法满足智能网联汽车中对车辆监控的高精度需求,如何对智能网联汽车进行高精度的监控是业内关注的重点问题。
发明内容
本发明实施例提供一种数据监控方法、装置、设备及存储介质,以实现对智能网联汽车进行高精度的监控,实时对车辆遇到的安全问题进行预警。
第一方面,本发明实施例提供了一种数据监控方法,包括:
通过目标车辆周围配置的各传感器获取与所述目标车辆对应的行驶数据;其中,所述行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据;
对各所述行驶数据进行融合处理,得到与所述目标车辆对应的周边情况数据;
将所述周边情况数据在三维地图数据中进行实时显示,根据显示结果确定所述目标车辆是否存在安全问题。
在本实施例的一个可选实现方式中,所述通过目标车辆周围配置的各传感器获取与所述目标车辆对应的行驶数据,包括:
通过激光雷达、摄像头、毫米波雷达以及超声波雷达获取与所述目标车辆对应的车辆状态数据;
通过环境采集模块采集与所述目标车辆对应的环境感知数据;其中,所述环境感知数据包括下述至少一项:光线、雨雪、温度以及湿度;
通过无线接收模型获取与所述目标车辆对应的车路协同数据;其中,所述车路协同数据包括:所述目标车辆周围的其他车辆的车辆状态数据,以及交通数据。
在本实施例的一个可选实现方式中,在通过无线接收模型获取与所述目标车辆对应的车路协同数据之后,还包括:
根据所述车路协同数据,以及定位系统确定的所述目标车辆的车头方向,确定所述目标车辆与所述其他车辆的位置关系。
在本实施例的一个可选实现方式中,所述对各所述行驶数据进行融合处理,得到与所述目标车辆对应的周边情况数据,包括:
将采集到的各所述车辆状态数据、各所述环境感知数据以及各所述车路协同数据输入至数据融合模型中,输出与所述目标车辆对应的周边情况数据;
其中,所述数据融合模型用于对同一视场内的同一物体被多个所述传感器同时识别所得到的数据进行融合。
在本实施例的一个可选实现方式中,在输出与所述目标车辆对应的周边情况数据之后,还包括:
将所述周边情况数据输入至数据传递误差模型,去除所述周边情况数据中的重复数据和/或异常数据;
其中,所述数据传递误差模型通过无重复且无异常的多个周边情况数据训练得到。
在本实施例的一个可选实现方式中,所述将所述周边情况数据在三维地图数据中进行实时显示,包括:
根据各所述周边情况数据的位置信息,将各所述周边情况数据叠加在所述三维地图数据的对应位置上;
对叠加各所述周边情况数据的三维地图数据进行实时显示;
其中,所述三维地图数据为标准地图数据。
在本实施例的一个可选实现方式中,所述根据显示结果确定所述目标车辆是否存在安全问题,包括:
根据所述显示结果确定在所述目标车辆的行驶前方是否存在异常数据,若是,则提示所述目标车辆存在安全问题;
所述异常数据包括下述至少一项:障碍物、与所述目标车辆对向行驶的参考车辆,以及行人。
第二方面,本发明实施例还提供了一种数据监控装置,包括:
行驶数据获取模块,用于通过目标车辆周围配置的各传感器获取与所述目标车辆对应的行驶数据;其中,所述行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据;
周边情况数据确定模块,用于对各所述行驶数据进行融合处理,得到与所述目标车辆对应的周边情况数据;
安全问题确定模块,用于将所述周边情况数据在三维地图数据中进行实时显示,根据显示结果确定所述目标车辆是否存在安全问题。
第三方面,本发明实施例还提供了一种数据监控设备,所述数据监控设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
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本发明实施例中任一实施例所述的数据监控方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一实施例所述的数据监控方法。
本发明实施例的方案,通过目标车辆周围配置的各传感器获取与目标车辆对应的行驶数据;其中,行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据;对各行驶数据进行融合处理,得到与目标车辆对应的周边情况数据;将周边情况数据在三维地图数据中进行实时显示,根据显示结果确定目标车辆是否存在安全问题,实现了对智能网联汽车进行高精度的监控,可以实时地对车辆遇到的安全问题进行预警。
附图说明
图1是本发明实施例一中的一种数据监控方法的流程图;
图2是本发明实施例二中的一种数据监控方法的流程图;
图3是本发明实施例三中的一种数据监控方法的流程图;
图4是本发明实施例四中的一种数据监控装置的结构示意图;
图5是本发明实施例五中的一种数据监控设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明实施例的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的一种数据监控方法的流程图,本实施例可适用于对智能网联汽车进行数据监控,实时发现车辆的安全问题的情况,该方法可以由数据监控装置来执行,该装置可以通过软件和/或硬件的方式实现,并集成在数据监控设备中,在本实施例中,数据监控设备可以为服务器、计算机或者平板电脑等电子设备;具体的,参考图1,该方法具体包括如下步骤:
步骤110、通过目标车辆周围配置的各传感器获取与目标车辆对应的行驶数据。
其中,行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据。其中,车辆状态数据可以为车辆当前的速度、当前所在的位置、油耗以及电量等;环境感知数据可以为车辆外部环境的光线强度、雨雪、温度以及湿度等;车路协同数据可以为车辆周围的车辆情况(例如,车型或者数量等),以及交通数据(例如,交通指示灯的情况、路标或者道路两边的障碍物等)。
可选的,车辆周围配置的传感器可以有激光雷达、摄像头、毫米波雷达、超声波雷达、环境采集模块以及无线接收模块等,本实施例中对其不加以限定。
在本实施例的一个可选实现方式中,在车辆的行驶过程中,可以通过激光雷达、摄像头、毫米波雷达以及超声波雷达获取与目标车辆对应的车辆状态数据;通过环境采集模块采集与目标车辆对应的环境感知数据;通过无线接收模块获取与目标车辆对应的车路协同数据;其中,车路协同数据包括:目标车辆周围的其他车辆的车辆状态数据,以及交通数据。
这样设置的好处在于,可以同时获取车辆周围的多种数据,获取的数据类型更为全面,有助于后续准确地确定目标车辆是否存在安全问题提供。
在本实施例的一个具体例子中,可以实时获取到激光雷达采集的点云数据、摄像头采集的图像数据、毫米波雷达采集的毫米波感知数据、超声波雷达采集的超声波感知数据、车辆状态传感器采集的状态数据、环境采集模块采集的光线、温度数据,以及无线接收模块接收到的与目标车辆对应的车路协同数据。需要说明的是,在本实施例中,无线接收模块在接收与目标车辆对应的车路协同数据之前,需要与其他车辆或者服务器后台建立通信连接,从而获取到其他车辆或者服务器发送的其他车辆的车辆状态数据,以及交通数据。
步骤120、对各行驶数据进行融合处理,得到与目标车辆对应的周边情况数据。
在本实施例的一个可选实现方式中,在通过目标车辆周围配置的各传感器获取到与目标车辆对应的行驶数据之后,可以进一步的对获取到的行驶数据进行融合处理,从而得到与目标车辆对应的周边情况数据。
需要说明的是,在本实施例中,在对获取到的行驶数据进行融合处理的过程中,可以将针对于同一物体的多个传感器获取到的数据进行融合,并滤除重复数据;例如,摄像头和超声波雷达可以同时获取到针对车辆前方的车辆的数据,对行驶数据进行融合处理的过程中,可以将摄像头和超声波雷达同时获取到的数据标记为同一数据;若摄像头在同一时间获取到前方车辆的多个图像,则可以根据图像的清晰程度,将无法识别前方车辆车牌的图像进行删除。
步骤130、将周边情况数据在三维地图数据中进行实时显示,根据显示结果确定目标车辆是否存在安全问题。
其中,三维地图数据为标准地图数据,其可以通过相关应用程序或者网站获取到。
在本实施例的一个可选实现方式中,在对各行驶数据进行融合处理,得到与目标车辆对应的周边情况数据之后,可以进一步的将得到的周边情况数据在三维地图数据中进行实时显示,即在三维地图数据中对周边情况数据进行标记,并进一步的根据标记结果确定目标车辆是否存在安全问题。
示例性的,将得到的周边情况数据在三维地图数据中进行实时显示之后,如果确定目标车辆前方50米处有障碍物,则可以确定目标车辆存在安全问题,并提示用户减速行驶,注意规避障碍物;如果确定目标车辆前方车辆正在减速,且车距小于设定阈值(例如,10米、20米或者30迷瞪),则可以确定目标车辆存在安全问题,并提示用户减速行驶,注意前车减速。
本实施例的方案,通过目标车辆周围配置的各传感器获取与目标车辆对应的行驶数据;其中,行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据;对各行驶数据进行融合处理,得到与目标车辆对应的周边情况数据;将周边情况数据在三维地图数据中进行实时显示,根据显示结果确定目标车辆是否存在安全问题,实现了对智能网联汽车进行高精度的监控,可以实时地对车辆遇到的安全问题进行预警。
在上述技术方案的基础上,在通过无线接收模型获取与目标车辆对应的车路协同数据之后,还可以包括:根据车路协同数据,以及定位系统确定的目标车辆的车头方向,确定目标车辆与其他车辆的位置关系。
其中,定位系统可以为全球定位系统(Global Positioning System,GPS),也可以为北斗卫星导航系统,本实施例中对其不加以限定。
在本实施例的一个可选实现方式中,在通过无线接收模型获取与目标车辆对应的车路协同数据之后,可以进一步的根据获取到的车路协同数据,以及GPS定位系统确定的目标车辆的车头方向,确定目标车辆与其他车辆(在目标车辆所行驶的道路中,处目标车辆以外的其他车辆)的位置关系;其中,目标车辆与其他车辆的位置关系可以为:目标车辆在其他车辆的前方、后方、左侧或者右侧等。
这样设置的好处在于,可以准确地确定目标车库与其他车辆的位置关系,为后续准确地判断目标车辆是否存在安全问题提供依据。
需要说明的是,在通过无线接收模型获取与目标车辆对应的车路协同数据之后,还可以进一步的根据获取到的车路协同数据,以及GPS定位系统确定的目标车辆的车头方向,确定目标车辆与其他物体(例如,人物、障碍物、路标或者绿化带等)的位置关系。
实施例二
图2是本发明实施例二中的一种数据监控方法的流程图,本实施例是对上述各技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图2所示,数据监控方法可以包括如下步骤:
步骤210、通过目标车辆周围配置的各传感器获取与目标车辆对应的行驶数据。
其中,行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据。
步骤220、将采集到的各车辆状态数据、各环境感知数据以及各车路协同数据输入至数据融合模型中,输出与目标车辆对应的周边情况数据。
其中,数据融合模型用于对同一视场内的同一物体被多个传感器同时识别所得到的数据进行融合;数据融合模型可以通过大量的融合后的行驶数据(车辆状态数据、环境感知数据以及车路协同数据)训练得到。
在本实施例的一个可选实现方式中,在通过各传感器获取到各车辆状态数据、各环境感知数据以及各车路协同数据之后,可以进一步的将各车辆状态数据、各环境感知数据以及各车路协同数据输入至预先训练得到的数据融合模型中,从而输出与目标车辆对应的周边情况数据。
在本实施例的一个可选实现方式中,在输出与目标车辆对应的周边情况数据之后,还可以包括:将周边情况数据输入至数据传递误差模型,去除周边情况数据中的重复数据和/或异常数据;其中,数据传递误差模型通过无重复且无异常的多个周边情况数据训练得到。
其中,重复数据即为同一传感器在同一时间获取到的多个相同的数据,异常数据为空白数据,或者数值明显大于其他数据的数据。
在本实施例中,通过传递误差模型,去除周边情况数据中的重复数据以及异常数据,为后续准确地确定目标车辆的安全情况提供依据。
步骤230、将周边情况数据在三维地图数据中进行实时显示,根据显示结果确定目标车辆是否存在安全问题。
本实施例的方案,在通过各传感器获取到各车辆状态数据、各环境感知数据以及各车路协同数据之后,可以进一步的将各车辆状态数据、各环境感知数据以及各车路协同数据输入至预先训练得到的数据融合模型中,从而输出与目标车辆对应的周边情况数据,为后续准确地确定目标车辆的安全情况提供依据。
实施例三
图3是本发明实施例三中的一种数据监控方法的流程图,本实施例是对上述各技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图3所示,数据监控方法可以包括如下步骤:
步骤310、通过目标车辆周围配置的各传感器获取与目标车辆对应的行驶数据。
步骤320、对各行驶数据进行融合处理,得到与目标车辆对应的周边情况数据。
步骤330、根据各周边情况数据的位置信息,将各周边情况数据叠加在三维地图数据的对应位置上;对叠加各周边情况数据的三维地图数据进行实时显示。
其中,三维地图数据为标准地图数据。
在本实施例的一个可选实现方式中,在对各行驶数据进行融合处理,得到与目标车辆对应的周边情况数据之后,还可以根据各周边情况数据的位置信息,将各周边情况数据叠加在三维地图数据的对应位置上,进而对叠加周边情况数据的三维地图数据进行实时显示。
步骤340、根据显示结果确定在目标车辆的行驶前方是否存在异常数据,若是,则提示目标车辆存在安全问题。
异常数据包括下述至少一项:障碍物、与目标车辆对向行驶的参考车辆,以及行人。
在本实施例的一个可选实现方式中,在对叠加周边情况数据的三维地图数据进行实时显示之后,可以根据最新的显示结果确定目标车辆的行驶前方是否存在异常数据,如果存在异常数据,则提示目标车辆存在安全问题,请降低车速,或者密切关注前方道路情况。
示例性的,如果在叠加周边情况数据的三维地图数据中确定车辆前方有行人,则可以提示目标车辆存在安全问题,自动降速行驶;如果在叠加周边情况数据的三维地图数据中确定车辆前方路面有坍塌,则可以提示目标车辆存在安全问题,提醒相关人员谨慎观察路面,做好随时紧急停车的准备。
本实施例的方案,可以根据各周边情况数据的位置信息,将各周边情况数据叠加在三维地图数据的对应位置上;对叠加各周边情况数据的三维地图数据进行实时显示;根据显示结果确定在目标车辆的行驶前方是否存在异常数据,若是,则提示目标车辆存在安全问题,可以实时且准确地确定目标车辆是否存在安全问题,为对智能网联汽车进行高精度的监控提供帮助。
为了使本领域技术人员更好地理解本实施例数据监控方法,下面采用一个具体示例进行说明,具体过程包括有:
首先,激光雷达传感器采集激光雷达的点云数据,摄像头传感器采集摄像头图像数据,毫米波传感器采集毫米波感知数据,超声波传感器采集超声波感知数据,车辆状态传感器采集车辆状态数据。
进一步的,V2X模块与车辆周边其他具有V2X通信能力的设备建立连接,获取其他车辆的当前状态,交通信息等车路协同数据。
进一步的,CPU通过激光雷达传感器,摄像头传感器,毫米波传感器,超声波传感器及车辆状态传感器获取激光雷达感知数据、摄像头感知数据、毫米波感知数据、超声波感知数据及车辆状态数据。
进一步的,CPU通过V2X模块接收其他车辆的当前状态,交通信息等车路协同数据,并与GPS系统发送的本车位置及车头方向相结合,明确本车与其他车辆的位置关系。
进一步的,CPU通过环境采集模块获取外部环境的光线、雨雪以及温度等环境感知数据。
进一步的,CPU把自动驾驶传感的激光雷达、图像、超声波、毫米波数据,外部环境的光线、雨雪、温度感知数据,V2X车路协同数据及高精度定位数据一并发送给大数据算法模块。
进一步的,大数据算法模块对数据进行分析处理后,形成三维虚拟地图描述信息,再发送给CPU。
其中,大数据算法模块对数据进行分析处理的过程可以为:采用混合式信息融合系统架构,先对自动驾驶传感的激光雷达、图像、超声波、毫米波数据部分数据采集后,进行数据滤波及处理,同时,外部环境的光线、雨雪、温度感知数据也将作为一个整体进行数据采集,滤波及处理,并与V2X车路协同数据及高精度定位一起,形成初步周边多传感感知环境数据集合,再统一进行数据整合、转化与抽象,之后分别进行同一视场内同一物体被多个传感器重复检测的融合算法,同一视场内同一物体在被多个传感器识别过程中仅被单一感知检测的去除算法,不同视场内不同物体被不同传感器检测的感知算法,并采用数据传递误差模型,去除感知过程中的结构描述导致,最后基于卡尔曼滤波,得到较为准确的车辆周边情况数据。
进一步的,CPU把三维虚拟地图描述信息与车辆自身状态信息一起通过4G通信模块发送给数据监控采集后台,进而判断车辆是否存在安全问题。
本发明实施例的方案,可以有效的保证数据采集的全面性,车辆监控的实时性,数据分析的高效性的优点,解决了原有车辆监控采集系统在数据采集种类不完整,缺少车辆周边环境,如人,车,路,障碍物等的数据描述,车辆监控缺乏实时性,并且没有实现车辆周边环境与车辆自身数据统一监控,数据分析片面,无法清楚、全面的分析车辆问题诱因的缺点,实现了对智能网联汽车进行高精度的监控,可以实时地对车辆遇到的安全问题进行预警。
实施例四
图4是本发明实施例四中的一种数据监控装置的结构示意图,该装置可以执行上述各实施例中涉及到的数据监控方法。参照图4,该装置包括:行驶数据获取模块410、周边情况数据确定模块420及安全问题确定模块430。
行驶数据获取模块410,用于通过目标车辆周围配置的各传感器获取与目标车辆对应的行驶数据;其中,行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据;
周边情况数据确定模块420,用于对各行驶数据进行融合处理,得到与目标车辆对应的周边情况数据;
安全问题确定模块430,用于将周边情况数据在三维地图数据中进行实时显示,根据显示结果确定目标车辆是否存在安全问题。
本实施例的方案,通过行驶数据获取模块获取与目标车辆对应的行驶数据;通过周边情况数据确定模块对各行驶数据进行融合处理,得到与目标车辆对应的周边情况数据;通过安全问题确定模块将周边情况数据在三维地图数据中进行实时显示,根据显示结果确定目标车辆是否存在安全问题,实现了对智能网联汽车进行高精度的监控,可以实时地对车辆遇到的安全问题进行预警。
在本实施例的一个可选实现方式中,行驶数据获取模块410,具体用于通过激光雷达、摄像头、毫米波雷达、超声波雷达以及状态传感器获取与所述目标车辆对应的车辆状态数据;
通过环境采集模块采集与所述目标车辆对应的环境感知数据;其中,所述环境感知数据包括下述至少一项:光线、雨雪、温度以及湿度;
通过无线接收模块获取与所述目标车辆对应的车路协同数据;其中,所述车路协同数据包括:所述目标车辆周围的其他车辆的车辆状态数据,以及交通数据。
在本实施例的一个可选实现方式中,该装置还包括:位置关系确定模块,用于根据所述车路协同数据,以及定位系统确定的所述目标车辆的车头方向,确定所述目标车辆与所述其他车辆的位置关系。
在本实施例的一个可选实现方式中,周边情况数据确定模块420,具体用于
将采集到的各所述车辆状态数据、各所述环境感知数据以及各所述车路协同数据输入至数据融合模型中,输出与所述目标车辆对应的周边情况数据;
其中,所述数据融合模型用于对同一视场内的同一物体被多个所述传感器同时识别所得到的数据进行融合。
在本实施例的一个可选实现方式中,周边情况数据确定模块420,还具体用于将所述周边情况数据输入至数据传递误差模型,去除所述周边情况数据中的重复数据和/或异常数据;
其中,所述数据传递误差模型通过无重复且无异常的多个周边情况数据训练得到。
在本实施例的一个可选实现方式中,安全问题确定模块420,具体用于根据各所述周边情况数据的位置信息,将各所述周边情况数据叠加在所述三维地图数据的对应位置上;
对叠加各所述周边情况数据的三维地图数据进行实时显示;
其中,所述三维地图数据为标准地图数据。
在本实施例的一个可选实现方式中,安全问题确定模块420,还具体用于根据所述显示结果确定在所述目标车辆的行驶前方是否存在异常数据,若是,则提示所述目标车辆存在安全问题;
所述异常数据包括下述至少一项:障碍物、与所述目标车辆对向行驶的参考车辆,以及行人。
本发明实施例所提供的数据监控装置可执行本发明任意实施例所提供的数据监控方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种数据监控设备的结构示意图,如图5所示,该数据监控设备包括处理器50、存储器51、输入装置52和输出装置53;数据监控设备中处理器50的数量可以是一个或多个,图5中以一个处理器50为例;数据监控设备中的处理器50、存储器51、输入装置52和输出装置53可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的数据监控方法对应的程序指令/模块(例如,数据监控装置中的行驶数据获取模块410、周边情况数据确定模块420及安全问题确定模块430)。处理器50通过运行存储在存储器51中的软件程序、指令以及模块,从而执行数据监控设备的各种功能应用以及数据处理,即实现上述的数据监控方法。
存储器51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;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器51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、或其他非易失性固态存储器件。在一些实例中,存储器51可进一步包括相对于处理器50远程设置的存储器,这些远程存储器可以通过网络连接至数据监控设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置52可用于接收输入的数字或字符信息,以及产生与数据监控设备的用户设置以及功能控制有关的键信号输入。输出装置53可包括显示屏等显示设备。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种数据监控方法,该方法包括:
通过目标车辆周围配置的各传感器获取与所述目标车辆对应的行驶数据;其中,所述行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据;
对各所述行驶数据进行融合处理,得到与所述目标车辆对应的周边情况数据;
将所述周边情况数据在三维地图数据中进行实时显示,根据显示结果确定所述目标车辆是否存在安全问题。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的数据监控方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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)执行本发明各个实施例所述的方法。
值得注意的是,上述数据监控装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种数据监控方法,其特征在于,包括:
通过目标车辆周围配置的各传感器获取与所述目标车辆对应的行驶数据;其中,所述行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据;
对各所述行驶数据进行融合处理,得到与所述目标车辆对应的周边情况数据;
将所述周边情况数据在三维地图数据中进行实时显示,根据显示结果确定所述目标车辆是否存在安全问题;
所述通过目标车辆周围配置的各传感器获取与所述目标车辆对应的行驶数据,包括:
通过激光雷达、摄像头、毫米波雷达、超声波雷达以及状态传感器获取与所述目标车辆对应的车辆状态数据;
通过环境采集模块采集与所述目标车辆对应的环境感知数据;其中,所述环境感知数据包括下述至少一项:光线、雨雪、温度以及湿度;
通过无线接收模块获取与所述目标车辆对应的车路协同数据;其中,所述车路协同数据包括:所述目标车辆周围的其他车辆的车辆状态数据,以及交通数据;
所述无线接收模块在接收与目标车辆对应的车路协同数据之前,需要与其他车辆或者服务器后台建立通信连接,从而获取到其他车辆或者服务器发送的其他车辆的车辆状态数据,以及交通数据;
所述无线接收模块为V2X模块,所述V2X模块与目标车辆周边其他具有V2X通信能力的设备建立连接;
所述对各所述行驶数据进行融合处理,得到与所述目标车辆对应的周边情况数据,包括:
CPU把自动驾驶传感的激光雷达、图像、超声波、毫米波数据,外部环境的光线、雨雪、温度感知数据,V2X车路协同数据及高精度定位数据一并发送给大数据算法模块;
所述大数据算法模块将所述行驶数据进行整合、转化与抽象,之后分别进行同一视场内同一物体被多个传感器重复检测的融合算法,同一视场内同一物体在被多个传感器识别过程中仅被单一感知检测的去除算法,不同视场内不同物体被不同传感器检测的感知算法,并采用数据传递误差模型,基于卡尔曼滤波,得到与所述目标车辆对应的周边情况数据。
2.根据权利要求1所述的方法,其特征在于,在通过无线接收模型获取与所述目标车辆对应的车路协同数据之后,还包括:
根据所述车路协同数据,以及定位系统确定的所述目标车辆的车头方向,确定所述目标车辆与所述其他车辆的位置关系。
3.根据权利要求1所述的方法,其特征在于,所述对各所述行驶数据进行融合处理,得到与所述目标车辆对应的周边情况数据,包括:
将采集到的各所述车辆状态数据、各所述环境感知数据以及各所述车路协同数据输入至数据融合模型中,输出与所述目标车辆对应的周边情况数据;
其中,所述数据融合模型用于对同一视场内的同一物体被多个所述传感器同时识别所得到的数据进行融合。
4.根据权利要求3所述的方法,其特征在于,在输出与所述目标车辆对应的周边情况数据之后,还包括:
将所述周边情况数据输入至数据传递误差模型,去除所述周边情况数据中的重复数据和/或异常数据;
其中,所述数据传递误差模型通过无重复且无异常的多个周边情况数据训练得到。
5.根据权利要求1所述的方法,其特征在于,所述将所述周边情况数据在三维地图数据中进行实时显示,包括:
根据各所述周边情况数据的位置信息,将各所述周边情况数据叠加在所述三维地图数据的对应位置上;
对叠加各所述周边情况数据的三维地图数据进行实时显示;
其中,所述三维地图数据为标准地图数据。
6.根据权利要求5所述的方法,其特征在于,所述根据显示结果确定所述目标车辆是否存在安全问题,包括:
根据所述显示结果确定在所述目标车辆的行驶前方是否存在异常数据,若是,则提示所述目标车辆存在安全问题;
所述异常数据包括下述至少一项:障碍物、与所述目标车辆对向行驶的参考车辆,以及行人。
7.一种数据监控装置,其特征在于,包括:
行驶数据获取模块,用于通过目标车辆周围配置的各传感器获取与所述目标车辆对应的行驶数据;其中,所述行驶数据包括下述至少一项:车辆状态数据、环境感知数据以及车路协同数据;
周边情况数据确定模块,用于对各所述行驶数据进行融合处理,得到与所述目标车辆对应的周边情况数据;
安全问题确定模块,用于将所述周边情况数据在三维地图数据中进行实时显示,根据显示结果确定所述目标车辆是否存在安全问题;
所述通过目标车辆周围配置的各传感器获取与所述目标车辆对应的行驶数据,包括:
通过激光雷达、摄像头、毫米波雷达、超声波雷达以及状态传感器获取与所述目标车辆对应的车辆状态数据;
通过环境采集模块采集与所述目标车辆对应的环境感知数据;其中,所述环境感知数据包括下述至少一项:光线、雨雪、温度以及湿度;
通过无线接收模块获取与所述目标车辆对应的车路协同数据;其中,所述车路协同数据包括:所述目标车辆周围的其他车辆的车辆状态数据,以及交通数据;
所述无线接收模块在接收与目标车辆对应的车路协同数据之前,需要与其他车辆或者服务器后台建立通信连接,从而获取到其他车辆或者服务器发送的其他车辆的车辆状态数据,以及交通数据;
所述无线接收模块为V2X模块,所述V2X模块与目标车辆周边其他具有V2X通信能力的设备建立连接;
所述对各所述行驶数据进行融合处理,得到与所述目标车辆对应的周边情况数据,包括:
CPU把自动驾驶传感的激光雷达、图像、超声波、毫米波数据,外部环境的光线、雨雪、温度感知数据,V2X车路协同数据及高精度定位数据一并发送给大数据算法模块;
所述大数据算法模块将所述行驶数据进行整合、转化与抽象,之后分别进行同一视场内同一物体被多个传感器重复检测的融合算法,同一视场内同一物体在被多个传感器识别过程中仅被单一感知检测的去除算法,不同视场内不同物体被不同传感器检测的感知算法,并采用数据传递误差模型,基于卡尔曼滤波,得到与所述目标车辆对应的周边情况数据。
8.一种数据监控设备,其特征在于,所述数据监控设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
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中任一所述的数据监控方法。
9.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的数据监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110702560.1A CN113433548B (zh) | 2021-06-24 | 2021-06-24 | 一种数据监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110702560.1A CN113433548B (zh) | 2021-06-24 | 2021-06-24 | 一种数据监控方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113433548A CN113433548A (zh) | 2021-09-24 |
CN113433548B true CN113433548B (zh) | 2023-02-28 |
Family
ID=77753861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110702560.1A Active CN113433548B (zh) | 2021-06-24 | 2021-06-24 | 一种数据监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113433548B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11765562B2 (en) * | 2021-10-11 | 2023-09-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for matching objects in collaborative perception messages |
CN114923523A (zh) * | 2022-05-27 | 2022-08-19 | 中国第一汽车股份有限公司 | 感知数据的采集方法、装置、存储介质及电子装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
CN111476999A (zh) * | 2020-01-17 | 2020-07-31 | 武汉理工大学 | 基于车路多传感器协同的智能网联汽车超视距感知系统 |
CN211824459U (zh) * | 2019-12-12 | 2020-10-30 | 中国船舶重工集团公司第七一七研究所 | 一种一体化动态航向姿态测量装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008044603A (ja) * | 2006-07-18 | 2008-02-28 | Tokai Rika Co Ltd | 車両用防眩装置 |
EP2330578B1 (en) * | 2009-11-30 | 2015-02-25 | Intelligent Mechatronic Systems Inc. | Traffic profiling and road conditions-based trip time computing system with localized and cooperative assessment |
CN104507146A (zh) * | 2014-11-28 | 2015-04-08 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种实现车路通信的低功耗系统及方法 |
EP3141926B1 (en) * | 2015-09-10 | 2018-04-04 | Continental Automotive GmbH | Automated detection of hazardous drifting vehicles by vehicle sensors |
KR102037324B1 (ko) * | 2017-11-30 | 2019-10-28 | 엘지전자 주식회사 | 자율주행 차량 및 그 제어 방법 |
CN108469825A (zh) * | 2018-04-19 | 2018-08-31 | 河南科技学院 | 一种基于车路协同的智能巡视系统及其构建方法 |
CN111464978A (zh) * | 2019-01-22 | 2020-07-28 | 岳秀兰 | 主次无线设备通过物联网连接建立的车辆远程驾驶体系 |
CN111736153A (zh) * | 2019-03-21 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 用于无人驾驶车辆的环境检测系统、方法、设备和介质 |
CA3057937A1 (en) * | 2019-10-08 | 2021-04-08 | Neutron Automotive Controls Inc. | Redundant ethernet network and sensor processing system for vehicles and related methods |
CN111409455A (zh) * | 2020-03-26 | 2020-07-14 | 北京汽车集团有限公司 | 车辆的速度控制方法及装置、电子设备、存储介质 |
CN112509333A (zh) * | 2020-10-20 | 2021-03-16 | 智慧互通科技股份有限公司 | 一种基于多传感器感知的路侧停车车辆轨迹识别方法及系统 |
CN113820714B (zh) * | 2021-09-07 | 2024-04-12 | 重庆驰知科技有限公司 | 一种基于多传感器融合的尘雾天气道路环境感知系统 |
-
2021
- 2021-06-24 CN CN202110702560.1A patent/CN113433548B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
CN211824459U (zh) * | 2019-12-12 | 2020-10-30 | 中国船舶重工集团公司第七一七研究所 | 一种一体化动态航向姿态测量装置 |
CN111476999A (zh) * | 2020-01-17 | 2020-07-31 | 武汉理工大学 | 基于车路多传感器协同的智能网联汽车超视距感知系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113433548A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10908051B2 (en) | Testing method and apparatus applicable to driverless vehicle | |
CN110796007B (zh) | 场景识别的方法与计算设备 | |
CN112069856A (zh) | 地图生成方法、驾驶控制方法、装置、电子设备及系统 | |
JP7371157B2 (ja) | 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム | |
CN111780987B (zh) | 自动驾驶车辆的测试方法、装置、计算机设备和存储介质 | |
CN111144211B (zh) | 点云显示方法和装置 | |
CN113433548B (zh) | 一种数据监控方法、装置、设备及存储介质 | |
CN112835806B (zh) | 一种仿真测试平台、方法及存储介质 | |
EP3675079A1 (en) | Danger warning method for vehicle, danger warning device for vehicle, and medium | |
CN113870553B (zh) | 一种面向混合交通流的路网运行状态检测系统及方法 | |
CN113340325A (zh) | 一种验证车路协同路侧感知融合精度的系统、方法及介质 | |
WO2024021872A1 (zh) | 一种车路协同系统的测试系统及其测试方法 | |
WO2020057406A1 (zh) | 一种辅助驾驶方法和系统 | |
EP3869369A1 (en) | Incursion location identification device and incursion location identification method | |
CN111477011A (zh) | 一种用于道路路口预警的检测装置及检测方法 | |
Ke et al. | Edge computing for real-time near-crash detection for smart transportation applications | |
CN117130010A (zh) | 用于无人驾驶的障碍物感知方法、系统及无人驾驶汽车 | |
CN113554871B (zh) | 一种车联网数据的处理方法及电子设备 | |
CN114241373A (zh) | 一种端到端的车辆行为检测方法、系统、设备及存储介质 | |
CN115402347A (zh) | 用于识别车辆的可行驶区域的方法及辅助驾驶方法 | |
CN117593892B (zh) | 真值数据的获取方法和装置、存储介质及电子设备 | |
JP2020101986A (ja) | 安全運転支援装置、端末装置、安全運転支援システム、安全運転支援方法、処理実行方法、およびコンピュータプログラム | |
CN113415289B (zh) | 无人驾驶车辆的标识装置和方法 | |
US20230024799A1 (en) | Method, system and computer program product for the automated locating of a vehicle | |
CN113619600B (zh) | 障碍物数据诊断方法、装置、可移动载体及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |