CN113496213B - 一种目标感知数据的确定方法、装置、系统及存储介质 - Google Patents
一种目标感知数据的确定方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN113496213B CN113496213B CN202110732893.9A CN202110732893A CN113496213B CN 113496213 B CN113496213 B CN 113496213B CN 202110732893 A CN202110732893 A CN 202110732893A CN 113496213 B CN113496213 B CN 113496213B
- Authority
- CN
- China
- Prior art keywords
- data
- perceived
- perception
- target
- determining
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012549 training Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims description 110
- 230000005540 biological transmission Effects 0.000 claims description 66
- 231100000279 safety data Toxicity 0.000 claims description 36
- 230000000007 visual effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 description 8
- 238000000586 desensitisation Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013523 data management Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请实施例所公开的一种目标感知数据的确定方法、装置、系统及存储介质,包括获取车辆的状态数据和车辆周围的环境数据,该状态数据和环境数据是由车辆上部署的多个感知器件感知的数据,并根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据,进而确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数,再基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据,该目标感知数据用于训练待训练感知数据采集模型。本申请通过多个感知器件感知状态数据和环境数据,确定特殊场景对应的长尾数据,可以将其作为训练数据对待训练感知数据采集模型进行训练。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种目标感知数据的确定方法、装置、系统及存储介质。
背景技术
自动驾驶技术,通过智能感知系统获取车辆自身和周围环境信息,以供决策系统根据感知结果和系统规划作出决策,控制车辆加减速和转向等动作。随着时代的发展和进步,自动驾驶技术已经成为当今汽车行业的一大研究热点。智能感知系统作为自动驾驶技术的核心,其性能的好坏与感知模型的训练程度密切相关。其中,在感知模型的训练过程中,容易获取常见场景即出现频率较高的场景作为训练数据,但是难以获取特殊场景即出现频率较低的长尾数据作为训练数据。常见的长尾数据包括道路上绘制的行人图标、大型车临时遮挡的部分交通指示牌和夜间雨天地面反光或倒影的道路环境等。若获取全量数据并传输至后台进行处理,不仅会增加网络传输成本,而且数据质量不高,此外,有线传输需要人工接入,将增大出现数据延迟和出错的可能性。
发明内容
本申请实施例提供一种目标感知数据的确定方法、装置、系统及存储介质,可以容易获取特殊场景对应的长尾数据。
本申请实施例提高了一种目标感知数据的确定方法,该方法包括:
获取车辆的状态数据和车辆周围的环境数据;状态数据和环境数据是由车辆上部署的多个感知器件感知的数据;
根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据;
确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数;
基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据;目标感知数据用于训练待训练感知数据采集模型。
进一步地,根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据,包括:
当检测到状态数据和/或环境数据中存在触发数据时,确定预设时间段内的待感知环境数据;
其中,触发数据至少包括以下中的一项:工况数据、驾乘操作数据、安全事件数据、预设关注数据。
进一步地,根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据,包括:
将环境数据分别输入第一识别模型和第二识别模型,
若第一识别模型识别出环境数据对应的目标场景信息,且第二场景识别模型识别出环境数据对应的非目标场景信息,确定目标场景信息对应的环境数据为预设时间段内的待感知环境数据;
其中,第一识别模型的识别精度大于第二识别模型的识别精度。
进一步地,基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据,包括:
基于触发信息和可追溯参数,确定待感知环境数据对应的存储等级和传输规则;
基于可追溯参数、待感知环境数据对应的存储规则和传输规则,对待感知环境数据进行标记处理,得到目标感知数据。
进一步地,得到目标感知数据之后,还包括:
基于可追溯参数,对目标感知数据进行分类处理,得到分类后的目标感知数据;
基于触发信息,对分类后的目标感知数据进行汇总处理,得到待调用感知数据;
确定待调用感知数据对应的存储等级和传输规则。
进一步地,待调用感知数据包括第一类待调用感知数据和第二类待调用感知数据;第一类待调用感知数据为公开型数据,第二类待调用感知数据为保密型数据;
方法还包括:
对第二类待调用感知数据进行非可视化处理,得到可传输数据;
对第一类待调用数据和可传输数据进行加密处理,得到安全数据。
进一步地,得到安全数据之后,还包括:
基于待调用感知数据对应的存储等级和传输规则,确定安全数据对应的存储等级和传输规则;
基于安全数据对应的存储等级和传输规则,将安全数据上传至云端。
相应地,本申请实施例还提供了一种目标感知数据的确定装置,该装置包括:
获取模块,用于获取车辆的状态数据和车辆周围的环境数据;状态数据和环境数据是由车辆上部署的多个感知器件感知的数据;
第一确定模块,用于根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据;
第二确定模块,用于确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数;
第三确定模块,用于基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据;目标感知数据用于训练待训练感知数据采集模型。
进一步地,第一确定模块,用于当检测到状态数据和/或环境数据中存在触发数据时,确定预设时间段内的待感知环境数据;
其中,触发数据至少包括以下中的一项:工况数据、驾乘操作数据、安全事件数据、预设关注数据。
进一步地,第一确定模块,用于将环境数据分别输入第一识别模型和第二识别模型,
若第一识别模型识别出环境数据对应的目标场景信息,且第二场景识别模型识别环境数据对应的非目标场景信息,确定目标场景信息对应的环境数据为预设时间段内的待感知环境数据;
其中,第一识别模型的识别精度大于第二识别模型的识别精度。
进一步地,第三确定模块,用于基于触发信息和可追溯参数,确定待感知环境数据对应的存储等级和传输规则;
基于可追溯参数、待感知环境数据对应的存储规则和传输规则,对待感知环境数据进行标记处理,得到目标感知数据。
进一步地,第四确定模块,用于在得到目标感知数据之后,基于可追溯参数,对目标感知数据进行分类处理,得到分类后的目标感知数据;
基于触发信息,对分类后的目标感知数据进行汇总处理,得到待调用感知数据;
确定待调用感知数据对应的存储等级和传输规则。
进一步地,待调用感知数据包括第一类待调用感知数据和第二类待调用感知数据;第一类待调用感知数据为公开型数据,第二类待调用感知数据为保密型数据;
还包括:
第五确定模块,用于对第二类待调用感知数据进行非可视化处理,得到可传输数据;
对第一类待调用数据和可传输数据进行加密处理,得到安全数据。
进一步地,第四确定模块,用于在得到安全数据之后,基于待调用感知数据对应的存储等级和传输规则,确定安全数据对应的存储等级和传输规则;
基于安全数据对应的存储等级和传输规则,将安全数据上传至云端。
相应地,本申请实施例还提供了一种目标感知数据的确定系统,该系统包括:
感知模块,感知模块包括多个感知传感器,感知传感器用于获取车辆的状态数据和车辆周围的环境数据;环境数据具有对应的可追溯参数信息;
触发模块,触发模块包括触发信号发送单元和数据标记单元;
触发信号发送单元,用于基于状态数据和/或环境数据,确定预设时间段内的待感知环境数据,以及向数据标记单元发送触发信息;
数据标记单元,用于在接收到触发信号时,确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数,
以及基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据;目标感知数据用于训练待训练感知数据采集模型。
进一步地,还包括:
管理模块,用于基于可追溯参数,对目标感知数据进行分类处理,得到分类后的目标感知数据;
基于触发信息,对分类后的目标感知数据进行汇总处理,得到待调用感知数据;
确定待调用感知数据对应的存储等级和传输规则;
进一步地,待调用感知数据包括第一类待调用感知数据和第二类待调用感知数据;第一类待调用感知数据为公开型数据,第二类待调用感知数据为保密型数据;
确定系统还包括:
安全模块,用于对第二类待调用感知数据进行非可视化处理,得到可传输数据;
对第一类待调用数据和可传输数据进行加密处理,得到安全数据。
进一步地,还包括:
传输模块,用于基于待调用感知数据对应的存储等级和传输规则,确定安全数据对应的存储等级和传输规则;
基于安全数据对应的存储等级和传输规则,将安全数据上传至云端数据中心;
进一步地,还包括:
云端数据中心,用于接收传输模块上传的安全数据。
相应地,本申请实施例还提供了一种电子设备,该电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述目标感知数据的确定方法。
相应地,本申请实施例还提供了一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述目标感知数据的确定方法。
本申请实施例具有如下有益效果:
本申请实施例所公开的一种目标感知数据的确定方法、装置、系统及电子设备,其中,方法包括获取车辆的状态数据和车辆周围的环境数据,该状态数据和环境数据是由车辆上部署的多个感知器件感知的数据,并根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据,进而确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数,再基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据,该目标感知数据用于训练待训练感知数据采集模型。基于本申请实施例通过多个感知器件感知状态数据和环境数据,以确定待感知环境数据,即确定特殊场景对应的长尾数据,将其作为训练数据对待训练感知数据采集模型进行训练,以使得车端上训练后待训练感知数据采集模型可以直接对行驶环境进行感知,进而向决策模块实时发送感知结果,提高感知数据实时性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,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它附图。
图1是本申请实施例所提供的一种应用环境的示意图;
图2是本申请实施例提供的一种目标感知数据的确定方法的流程示意图;
图3是本申请实施例提供的一种目标感知数据的确定装置的结构示意图;
图4是本申请实施例提供的一种目标感知数据的确定系统的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例作进一步地详细描述。显然,所描述的实施例仅仅是本申请一个实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
此处所称的“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请实施例的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且,术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例能够以除了在这里图示或描述以外的顺序实施。此外,术语“包括”和“为”以及他们的任何变形,意图在于覆盖不排他的包含。
请参阅图1,其所示为本申请实施例所提供的一种应用环境的示意图,包括:车辆101和云端103,其中,车辆101上安装有车载服务器,该车载服务器可以获取车辆的状态数据和车辆周围的环境数据,该状态数据和环境数据是由车辆上部署的多个感知器件感知的数据,并根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据,进而确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数,再基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据,该目标感知数据用于训练待训练感知数据采集模型。该目标感知数据可以上传至云端103进行存储。
本申请实施例通过多个感知器件感知状态数据和环境数据,以确定待感知环境数据,即确定特殊场景对应的长尾数据,将其作为训练数据对待训练感知数据采集模型进行训练,以使得车端上训练后待训练感知数据采集模型可以直接对行驶环境进行感知,进而向决策模块实时发送感知结果,提高感知数据实时性。
下面介绍本申请实施例提供的一种目标感知数据的确定方法的具体实施例,图2是本申请实施例提供的一种目标感知数据的确定方法的流程示意图,本说明书提供了如实施例或流程图所示的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式,不代表唯一的执行顺序,在实际执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,该方法包括:
S201:获取车辆的状态数据和车辆周围的环境数据;状态数据和环境数据是由车辆上部署的多个感知器件感知的数据。
本申请实施例中,由于智能感知系统需要获取车辆自身和周围环境信息,因此可以根据传统部署感知器件的方式在各量产车上部署多个感知器件,例如,在车辆上安装前视摄像头传感器、环视摄像头传感器和毫米波传感器等。并且,还可以在智能感知系统上设置数据管理模块,该数据管理模块可以用于接收和管理来自多个感知器件中每个感知器件感知的数据、以及车辆功能模块反馈的车辆自身的状态数据、车辆的行驶数据等等。
本申请实施例中,车载服务器可以获取车辆的状态数据和车辆周围的环境数据,其中,车辆的状态数据可以包括车辆上各个控制单元的实时状态,例如制动踏板的实时状态。车辆周围的环境数据可以包括天气状态数据、路况数据等。
S203:根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据。
本申请实施例中,车载服务器可以预先设定触发规则,一种触发规则是在检测到状态数据和/或环境数据中存在触发信号时进行触发,另一种触发规则是根据状态数据和/或环境数据中的视频图像数据进行触发。即可以基于触发规模确定预设时间段内的待感知环境数据,在触发后,可以确定预设时间段内的待感知环境数据,其中,预设时间段可以包括触发时刻前、触发时刻时和触发时刻后,相应地,待感知环境数据可以包括触发信号前的历史状态数据和环境数据、触发信号时的当前状态数据和环境数据以及触发信号后的预测状态数据和环境数据。
在一种具体的实施方式中,车载服务器可以在检测到状态数据和/或环境数据中存在触发数据时,确定预设时间段内的待感知环境数据,其中,触发数据可以至少包括以下中的一项:工况数据、驾乘操作数据、安全事件数据、预设关注数据。也即是,车载服务器在接收到状态数据和环境数据之后,可以检测状态数据和/或环境数据中是否存在触发信号,即在状态数据和环境数据中是否存在工况数据、驾乘操作数据、安全事件数据或预设关注数据,若存在触发信号,可以从多个感知器件感知的数据中确定历史的状态数据和环境数据、当前的状态数据和环境数据以及预测未来的状态数据和环境数据为待感知环境数据。具体地,触发数据可以是通过CAN总线传输的满足预设频次的频繁刹车信号数据、急刹车信号数据、满足持续刹车时长的持续刹车数据、满足预设特殊场景对应的环境天气数据、路况数据、光线数据等,还可以是黑匣子采集的数据中满足国家安全触发标准的数据,以及自动驾驶中预设特别关注的数据,例如,匝道汇入避让,换道超车等数据。
在另一种可选的实施方式中,车载服务器可以将环境数据分别输入第一识别模块和第二识别模型,若第一识别模型识别出环境数据对应的目标场景信息,且第二识别模型识别出环境数据对应的非目标场景信息,确定目标场景信息对应的环境数据为预设时间段内的待感知环境数据,其中,第一识别模型的识别精度大于第二识别模型的识别精度。也即是,车载服务器在接收到摄像头传感器采集的视频图像数据之后,可以将视频图像数据输入云端神经网络模型和车端场景识别模型,其中,云端神经网络模型的识别精度大于车端场景识别模型的识别精度,通过云端神经网络模型输出结果和车端场景识别模型的输出结果的不同进行比较,获取云端神经网络模型可以识别而车端场景识别模型不可以识别的场景所对应的图像数据,并确定该图像数据为待感知环境数据。
S205:确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数。
本申请实施例中,车载服务器可以根据待感知环境数据对应的触发信息,即上文中描述的触发规则,以及待感知环境数据对应的可追溯参数,即待感知环境数据具体是由多个感知器件中哪种感知器件或哪个感知器件感知的,也即是,待感知环境数据的来源信息。
本申请实施例中,车载服务器可以将待感知环境数据对应的触发信息和对应的可追溯参数确定为待感知环境数据对应的要素。待感知环境数据对应的要素还可以包括待感知数据被感知的时间、对自动驾驶的重要等级和数据类型等信息,若待感知数据为道路上其他车辆的数据,待感知环境数据对应的要素还可以包括车辆的车型、车速以及转向角等信息。
S207:基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据;目标感知数据用于训练待训练感知数据采集模型。
本申请实施例中,车载服务器可以基于待感知环境数据对应的触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据,该目标感知数据用于训练待训练感知数据采集模型。在一种可选的实施方式中,待训练感知数据可以是上文中的云端神经网络模型,也可以是上文中的车端场景识别模型,还可以是车端的其他感知数据采集模型。
在一种可选的实施方式中,车载服务器可以基于待感知环境数据的触发信息和可追溯参数,确定待感知环境数据对应的存储等级和传输规则,进而基于可追溯参数、待感知环境数据对应的存储规则和传输规则,对待感知环境数据进行标记处理,得到目标感知数据。也即是,车载服务器可以通过对待感知环境数据不同要素的组合,设定待感知环境数据对应的不同的存储等级和不同等级的传输规则。进而根据待感知环境数据对应的存储等级和传输规则,以及可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据。例如,可以根据待感知环境数据对应的存储等级、传输规则和可追溯参数,对待感知环境数据进行编号,得到目标感知数据。
本申请实施例中,在得到目标感知数据之后,车载服务器还可以基于可追溯参数,对目标感知数据进行分类处理,得到分类后的目标感知数据,进而基于触发信息,对分类后的目标感知数据进行汇总处理,得到待调用感知数据,并确定待调用感知数据对应的存储等级和传输规则。即在得到目标感知数据之后,可以通过管理模块对目标感知数据进行管理,可以根据目标感知数据的来源信息对目标感知数据进行管理,例如,对来自前视摄像头传感器、环视摄像头传感器和毫米波传感器的目标感知数据进行分类管理,也可以根据目标感知数据被感知的时间对目标感知数据进行分类管理,也可以根据目标感知数据对应的车型、车速或转向角等消息进行分类管理,还可以综合上述几种分类管理方法对目标感知数据进行分类管理。进而可以根据分类管理后的目标感知数据对应的触发规则对目标感知数据进行汇总处理,得到待调用感知数据。还可以根据分类管理后的目标感知数据对应的触发规则、编号以及触发规则对应的软硬件信息对目标感知数据进行汇总处理,得到待调用感知数据,以供安全模块进行调用。由于汇总处理后得到的待调用感知数据本身仍然是待感知环境数据,因此,可以根据待感知环境数据的对应的存储等级和传输规则,确定待调用感知数据对应的存储等级和传输规则。
本申请实施例中,在安全模块的调用过程中,为了避免待调用感知数据的泄露以及保护待调用感知数据的隐私性,可以设置安全验证和/或数据加密功能。
在一种可选的实施方式中,待调用感知数据可以包括第一类待调用感知数据和第二类待调用感知数据,该第一类待调用感知数据为公开型数据,第二类待调用感知数据为保密型数据。也即是,待调用感知数据可以包括一般数据和敏感数据,敏感数据是按照国家规定以及自动驾驶行业准则进行设定的,例如,需要对地理位置进行保密的单位的区域。
本申请实施例中,在确定待调用感知数据对应的存储等级和传输规则之后,可以对第二类待调用感知数据进行非可视化处理,得到可传输数据,进而对第一类待调用感知数据和可传输数据进行加密处理,得到安全数据。也即是,可以采用脱敏技术对敏感数据进行数据脱敏,使其成为一般数据,例如,可以采用裁剪处理或模糊处理的方式对敏感数据对应的区域进行处理。进而对全量数据即一般数据和脱敏处理后的敏感数据进行再次加密处理,以提高数据传输安全性。
本申请实施例中,在得到安全数据之后,车载服务器还可以基于待感知环境数据对应的存储等级和传输规则,确定安全数据对应的存储等级和传输规则,进而基于安全数据对应的存储等级和传输规则,在传输模块将安全数据上传至云端。也即是,打包再次加密处理后的数据后,将符合规定的即脱敏后的安全数据上传至云端。安全数据即将上传至云端的数据在安全模块已经有针对性的对原始数据进行脱敏处理,在传输模块也会做出相应的校准和检查,在确保在传输安全数据前,传输安全数据时以及传输安全数据后,安全数据符合规定。
本申请实施例中,云端数据中心在接收到传输模块上传的安全数据之后,可以对安全数据进行预处理,包括解压、解码等操作,还包括数据去重,过滤,对于具有隐私性的安全数据还包括人脸模糊处理、车牌模糊处理等,进而对安全数据进行质量评估以确定安全数据的质量和数据分级。其中,针对不同场景对应的安全数据,可以调整算法或者调整算法的参数对其进行迭代处理。存储于存储模块中的安全数据即为特殊场景对应的长尾数据,其可以作为训练数据对待训练感知数据采集模型进行训练,以使得车端上训练后待训练感知数据采集模型可以直接对行驶环境进行感知,进而向决策模块实时发送感知结果,提高感知数据实时性。
在一种可选的实施方式中,对安全数据进行质量评估主要针对安全数据中的视频图像数据,首先可以对安全数据进行分级,将上传的安全数据拆分为一般数据和敏感数据,该敏感数据是指脱敏处理的敏感数据,并将敏感数据存储于安全等级较高的专用存储模块中,需要进行说明的是,一般数据和敏感数据具有相同的数据身份标识。在此过程中,还可以对安全数据进行质量评估,可以预先设定一个质量阈值,将质量高于质量阈值的安全数据直接存储于存储模块,将质量低于质量阈值的安全数据筛选出来,送至人工标注,并将标注后的安全数据存储于存储模块。具体地,可以对已有的特殊场景的案例图像,从安全数据中确定类似的数据,进而优先将这些数据送至人工标注。
在一种具体的实施方式中,可以基于已训练的场景识别模型对特殊场景对应的安全数据进行预标注,可以减小计算量,避免大量已知或重复出现的数据。
采用本申请实施例提供的目标感知数据的确定方法,通过构建闭环系统确定特殊场景对应的长尾数据,将其作为训练数据对待训练感知数据采集模型进行训练,以使得车端上训练后待训练感知数据采集模型可以直接对行驶环境进行感知,进而向决策模块实时发送感知结果,提高感知数据实时性。
本申请实施例还提供的一种目标感知数据的确定装置,图3是本申请实施例提供的一种目标感知数据的确定装置的结构示意图,如图3所示,该装置可以包括:
获取模块301用于获取车辆的状态数据和车辆周围的环境数据;状态数据和环境数据是由车辆上部署的多个感知器件感知的数据;
第一确定模块303用于根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据;
第二确定模块305用于确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数;
第三确定模块307用于基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据;目标感知数据用于训练待训练感知数据采集模型。
本申请实施例中,第一确定模块303用于当检测到状态数据和/或环境数据中存在触发数据时,确定预设时间段内的待感知环境数据;
其中,触发数据至少包括以下中的一项:工况数据、驾乘操作数据、安全事件数据、预设关注数据。
本申请实施例中,第一确定模块303用于将环境数据分别输入第一识别模型和第二识别模型,
若第一识别模型识别出环境数据对应的目标场景信息,且第二场景识别模型识别环境数据对应的非目标场景信息,确定目标场景信息对应的环境数据为预设时间段内的待感知环境数据;
其中,第一识别模型的识别精度大于第二识别模型的识别精度。
本申请实施例中,上述装置还可以包括第三确定模块,用于基于触发信息和可追溯参数,确定待感知环境数据对应的存储等级和传输规则;
基于可追溯参数、待感知环境数据对应的存储规则和传输规则,对待感知环境数据进行标记处理,得到目标感知数据。
本申请实施例中,上述装置还可以包括第四确定模块,用于在得到目标感知数据之后,基于可追溯参数,对目标感知数据进行分类处理,得到分类后的目标感知数据;
基于触发信息,对分类后的目标感知数据进行汇总处理,得到待调用感知数据;
确定待调用感知数据对应的存储等级和传输规则。
本申请实施例中,待调用感知数据包括第一类待调用感知数据和第二类待调用感知数据;第一类待调用感知数据为公开型数据,第二类待调用感知数据为保密型数据;
本申请实施例中,上述装置还可以包括:
第五确定模块,用于对第二类待调用感知数据进行非可视化处理,得到可传输数据;
对第一类待调用数据和可传输数据进行加密处理,得到安全数据。
本申请实施例中,第四确定模块,用于在得到安全数据之后,基于待调用感知数据对应的存储等级和传输规则,确定安全数据对应的存储等级和传输规则;
基于安全数据对应的存储等级和传输规则,将安全数据上传至云端。
本申请实施例中的装置与方法实施例基于同样的申请构思。
本申请实施例提供的目标感知数据的确定装置,通过多个感知器件感知状态数据和环境数据,以确定待感知环境数据,即确定特殊场景对应的长尾数据,将其作为训练数据对待训练感知数据采集模型进行训练,以使得车端上训练后待训练感知数据采集模型可以直接对行驶环境进行感知,进而向决策模块实时发送感知结果,提高感知数据实时性。
本申请实施例还提供的一种目标感知数据的确定系统,图4是本申请实施例提供的一种目标感知数据的确定系统的结构示意图,如图4所示,该系统可以包括:
感知模块401感知模块包括多个感知传感器,感知传感器用于获取车辆的状态数据和车辆周围的环境数据;环境数据具有对应的可追溯参数信息;
触发模块403触发模块包括触发信号发送单元和数据标记单元;
触发信号发送单元,用于基于状态数据和/或环境数据,确定预设时间段内的待感知环境数据,以及向数据标记单元发送触发信息;
数据标记单元用于在接收到触发信号时,确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数,
以及基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据;目标感知数据用于训练待训练感知数据采集模型。
本申请实施例中,上述系统还包括:
管理模块405用于基于可追溯参数,对目标感知数据进行分类处理,得到分类后的目标感知数据;
基于触发信息,对分类后的目标感知数据进行汇总处理,得到待调用感知数据;
确定待调用感知数据对应的存储等级和传输规则;
本申请实施例中,待调用感知数据包括第一类待调用感知数据和第二类待调用感知数据;第一类待调用感知数据为公开型数据,第二类待调用感知数据为保密型数据;
确定系统还包括:
安全模块407用于对第二类待调用感知数据进行非可视化处理,得到可传输数据;
对第一类待调用数据和可传输数据进行加密处理,得到安全数据。
本申请实施例中,还包括:
传输模块409用于基于待调用感知数据对应的存储等级和传输规则,确定安全数据对应的存储等级和传输规则;
基于安全数据对应的存储等级和传输规则,将安全数据上传至云端数据中心;
本申请实施例中,上述系统还包括:
云端数据中心411用于接收传输模块上传的安全数据。
本申请实施例提供的目标感知数据的确定系统,通过多个感知器件感知状态数据和环境数据,以确定待感知环境数据,即确定特殊场景对应的长尾数据,将其作为训练数据对待训练感知数据采集模型进行训练,以使得车端上训练后待训练感知数据采集模型可以直接对行驶环境进行感知,进而向决策模块实时发送感知结果,提高感知数据实时性。
本申请实施例还提供了一种电子设备,电子设备可设置于服务器之中以保存用于实现方法实施例中的一种目标感知数据的确定方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该存储器加载并执行以实现上述的目标感知数据的确定方法。
本申请实施例还提供了一种计算机存储介质,存储介质可设置于服务器之中以保存用于实现方法实施例中一种目标感知数据的确定方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述目标感知数据的确定方法。
可选的,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于包括:U盘、只读存储器(ROM,Read-only Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的目标感知数据的确定方法、装置、系统、电子设备或存储介质的实施例可见,本申请中方法包括:获取车辆的状态数据和车辆周围的环境数据,该状态数据和环境数据是由车辆上部署的多个感知器件感知的数据,并根据状态数据和/或环境数据,确定预设时间段内的待感知环境数据,进而确定待感知环境数据对应的触发信息和待感知环境数据对应的可追溯参数,再基于触发信息和可追溯参数,对待感知环境数据进行标记处理,得到目标感知数据,该目标感知数据用于训练待训练感知数据采集模型。基于本申请实施例通过多个感知器件感知状态数据和环境数据,以确定待感知环境数据,即确定特殊场景对应的长尾数据,将其作为训练数据对待训练感知数据采集模型进行训练,以使得车端上训练后待训练感知数据采集模型可以直接对行驶环境进行感知,进而向决策模块实时发送感知结果,提高感知数据实时性。
需要说明的是:上述本申请实施例的先后顺序仅仅为了描述,不代表实施例的优劣,且上述本说明书对特定的实施例进行了描述,其他实施例也在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者而连接顺序才能够实现期望的结果,在某些实施方式中,多任务并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的均为与其他实施例的不同之处。尤其,对于装置和系统的实施例而言,由于其基于相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (19)
1.一种目标感知数据的确定方法,其特征在于,包括:
获取车辆的状态数据和所述车辆周围的环境数据;所述状态数据和所述环境数据是由所述车辆上部署的多个感知器件感知的数据;
根据所述状态数据和/或所述环境数据,确定预设时间段内的待感知环境数据;所述待感知环境数据为所述状态数据和/或所述环境数据;
确定所述待感知环境数据对应的触发信息和所述待感知环境数据对应的可追溯参数;所述触发信息为预先设定的触发规则;
基于所述触发信息和所述可追溯参数,对所述待感知环境数据进行标记处理,得到目标感知数据;所述目标感知数据用于训练待训练感知数据采集模型;
其中,所述根据所述状态数据和/或所述环境数据,确定预设时间段内的待感知环境数据,包括:将所述环境数据分别输入第一识别模型和第二识别模型,若所述第一识别模型识别出所述环境数据对应的目标场景信息,且所述第二识别模型识别出所述环境数据对应的非目标场景信息,确定所述目标场景信息对应的所述环境数据为所述预设时间段内的所述待感知环境数据;其中,所述第一识别模型的识别精度大于所述第二识别模型的识别精度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述状态数据和/或所述环境数据,确定预设时间段内的待感知环境数据,包括:
当检测到所述状态数据和/或所述环境数据中存在触发数据时,确定所述预设时间段内的所述待感知环境数据;
其中,所述触发数据至少包括以下中的一项:工况数据、驾乘操作数据、安全事件数据、预设关注数据。
3.根据权利要求1所述的方法,其特征在于,所述基于所述触发信息和所述可追溯参数,对所述待感知环境数据进行标记处理,得到目标感知数据,包括:
基于所述触发信息和所述可追溯参数,确定所述待感知环境数据对应的存储等级和传输规则;
基于所述可追溯参数、所述待感知环境数据对应的存储规则和传输规则,对所述待感知环境数据进行标记处理,得到所述目标感知数据。
4.根据权利要求1所述的方法,其特征在于,所述得到目标感知数据之后,还包括:
基于所述可追溯参数,对所述目标感知数据进行分类处理,得到分类后的目标感知数据;
基于所述触发信息,对所述分类后的目标感知数据进行汇总处理,得到待调用感知数据;
确定所述待调用感知数据对应的存储等级和传输规则。
5.根据权利要求4所述的方法,其特征在于,所述待调用感知数据包括第一类待调用感知数据和第二类待调用感知数据;所述第一类待调用感知数据为公开型数据,所述第二类待调用感知数据为保密型数据;
所述方法还包括:
对所述第二类待调用感知数据进行非可视化处理,得到可传输数据;
对所述第一类待调用数据和所述可传输数据进行加密处理,得到安全数据。
6.根据权利要求5所述的方法,其特征在于,所述得到安全数据之后,还包括:
基于所述待调用感知数据对应的存储等级和传输规则,确定所述安全数据对应的存储等级和传输规则;
基于所述安全数据对应的存储等级和传输规则,将所述安全数据上传至云端。
7.一种目标感知数据的确定装置,其特征在于,包括:
获取模块,用于获取车辆的状态数据和所述车辆周围的环境数据;所述状态数据和所述环境数据是由所述车辆上部署的多个感知器件感知的数据;
第一确定模块,用于根据所述状态数据和/或所述环境数据,确定预设时间段内的待感知环境数据;所述待感知环境数据为所述状态数据和/或所述环境数据;
第二确定模块,用于确定所述待感知环境数据对应的触发信息和所述待感知环境数据对应的可追溯参数;所述触发信息为预先设定的触发规则;
第三确定模块,用于基于所述触发信息和所述可追溯参数,对所述待感知环境数据进行标记处理,得到目标感知数据;所述目标感知数据用于训练待训练感知数据采集模型;
其中,所述第一确定模块,用于将所述环境数据分别输入第一识别模型和第二识别模型,若所述第一识别模型识别出所述环境数据对应的目标场景信息,且所述第二识别模型识别所述环境数据对应的非目标场景信息,确定所述目标场景信息对应的所述环境数据为所述预设时间段内的所述待感知环境数据;其中,所述第一识别模型的识别精度大于所述第二识别模型的识别精度。
8.根据权利要求7所述的装置,其特征在于,
所述第一确定模块,用于当检测到所述状态数据和/或所述环境数据中存在触发数据时,确定所述预设时间段内的所述待感知环境数据;
其中,所述触发数据至少包括以下中的一项:工况数据、驾乘操作数据、安全事件数据、预设关注数据。
9.根据权利要求7所述的装置,其特征在于,
所述第三确定模块,用于基于所述触发信息和所述可追溯参数,确定所述待感知环境数据对应的存储等级和传输规则;
基于所述可追溯参数、所述待感知环境数据对应的存储规则和传输规则,对所述待感知环境数据进行标记处理,得到所述目标感知数据。
10.根据权利要求7所述的装置,其特征在于,还包括:
第四确定模块,用于在得到目标感知数据之后,基于所述可追溯参数,对所述目标感知数据进行分类处理,得到分类后的目标感知数据;
基于所述触发信息,对所述分类后的目标感知数据进行汇总处理,得到待调用感知数据;
确定所述待调用感知数据对应的存储等级和传输规则。
11.根据权利要求10所述的装置,其特征在于,所述待调用感知数据包括第一类待调用感知数据和第二类待调用感知数据;所述第一类待调用感知数据为公开型数据,所述第二类待调用感知数据为保密型数据;
还包括:
第五确定模块,用于对所述第二类待调用感知数据进行非可视化处理,得到可传输数据;
对所述第一类待调用数据和所述可传输数据进行加密处理,得到安全数据。
12.根据权利要求11所述的装置,其特征在于,还包括:
第四确定模块,用于在得到安全数据之后,基于所述待调用感知数据对应的存储等级和传输规则,确定所述安全数据对应的存储等级和传输规则;
基于所述安全数据对应的存储等级和传输规则,将所述安全数据上传至云端。
13.一种目标感知数据的确定系统,其特征在于,包括:
感知模块,所述感知模块包括多个感知传感器,所述感知传感器用于获取车辆的状态数据和所述车辆周围的环境数据;所述环境数据具有对应的可追溯参数信息;
触发模块,所述触发模块包括触发信号发送单元和数据标记单元;
所述触发信号发送单元,用于基于所述状态数据和/或所述环境数据,确定预设时间段内的待感知环境数据,以及向所述数据标记单元发送触发信息;所述待感知环境数据为所述状态数据和/或所述环境数据;
所述数据标记单元,用于在接收到所述触发信号时,确定所述待感知环境数据对应的触发信息和所述待感知环境数据对应的可追溯参数,所述触发信息为预先设定的触发规则,
以及基于所述触发信息和所述可追溯参数,对所述待感知环境数据进行标记处理,得到目标感知数据;所述目标感知数据用于训练待训练感知数据采集模型
其中,所述触发信号发送单元,用于将所述环境数据分别输入第一识别模型和第二识别模型,若所述第一识别模型识别出所述环境数据对应的目标场景信息,且所述第二识别模型识别所述环境数据对应的非目标场景信息,确定所述目标场景信息对应的所述环境数据为所述预设时间段内的所述待感知环境数据;其中,所述第一识别模型的识别精度大于所述第二识别模型的识别精度。
14.根据权利要求13所述的确定系统,其特征在于,还包括:
管理模块,用于基于所述可追溯参数,对所述目标感知数据进行分类处理,得到分类后的目标感知数据;
基于所述触发信息,对所述分类后的目标感知数据进行汇总处理,得到待调用感知数据;
确定所述待调用感知数据对应的存储等级和传输规则。
15.根据权利要求14所述的确定系统,其特征在于,所述待调用感知数据包括第一类待调用感知数据和第二类待调用感知数据;所述第一类待调用感知数据为公开型数据,所述第二类待调用感知数据为保密型数据;
所述确定系统还包括:
安全模块,用于对所述第二类待调用感知数据进行非可视化处理,得到可传输数据;
对所述第一类待调用数据和所述可传输数据进行加密处理,得到安全数据。
16.根据权利要求15所述的确定系统,其特征在于,还包括:
传输模块,用于基于所述待调用感知数据对应的存储等级和传输规则,确定所述安全数据对应的存储等级和传输规则;
基于所述安全数据对应的存储等级和传输规则,将所述安全数据上传至云端数据中心。
17.根据权利要求16所述的确定系统,其特征在于,还包括:
所述云端数据中心,用于接收所述传输模块上传的所述安全数据。
18.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现权利要求1-6任意一项所述目标感知数据的确定方法。
19.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-6任意一项所述目标感知数据的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110732893.9A CN113496213B (zh) | 2021-06-29 | 2021-06-29 | 一种目标感知数据的确定方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110732893.9A CN113496213B (zh) | 2021-06-29 | 2021-06-29 | 一种目标感知数据的确定方法、装置、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113496213A CN113496213A (zh) | 2021-10-12 |
CN113496213B true CN113496213B (zh) | 2024-05-28 |
Family
ID=77998170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110732893.9A Active CN113496213B (zh) | 2021-06-29 | 2021-06-29 | 一种目标感知数据的确定方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113496213B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113328996B (zh) * | 2021-05-08 | 2022-07-05 | 中国电子科技集团公司第三十研究所 | 一种基于目标感知的安全策略智能配置方法 |
CN114244613B (zh) * | 2021-12-17 | 2023-01-31 | 国汽智控(北京)科技有限公司 | 数据传输方法、装置、系统、自动驾驶车辆、电子设备及存储介质 |
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 (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737236A (zh) * | 2012-07-06 | 2012-10-17 | 北京大学 | 一种基于多模态传感器数据自动获取车辆训练样本方法 |
WO2018120470A1 (zh) * | 2016-12-30 | 2018-07-05 | 华为技术有限公司 | 一种倒车图像处理的方法及其相关设备 |
CN111178454A (zh) * | 2020-01-03 | 2020-05-19 | 北京汽车集团有限公司 | 自动驾驶数据的标注方法、云端控制平台及存储介质 |
WO2020107974A1 (zh) * | 2018-11-30 | 2020-06-04 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车的避障方法和装置 |
CN111639525A (zh) * | 2020-04-22 | 2020-09-08 | 上海擎感智能科技有限公司 | 一种感知算法的训练方法、装置及计算机存储介质 |
CN112287566A (zh) * | 2020-11-24 | 2021-01-29 | 北京亮道智能汽车技术有限公司 | 一种自动化驾驶场景库生成方法、系统及电子设备 |
CN112277951A (zh) * | 2020-10-29 | 2021-01-29 | 北京罗克维尔斯科技有限公司 | 车辆感知模型生成方法、车辆自动驾驶控制方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9452754B2 (en) * | 2013-12-04 | 2016-09-27 | Mobileye Vision Technologies Ltd. | Systems and methods for detecting and responding to traffic laterally encroaching upon a vehicle |
US11328219B2 (en) * | 2018-04-12 | 2022-05-10 | Baidu Usa Llc | System and method for training a machine learning model deployed on a simulation platform |
-
2021
- 2021-06-29 CN CN202110732893.9A patent/CN113496213B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737236A (zh) * | 2012-07-06 | 2012-10-17 | 北京大学 | 一种基于多模态传感器数据自动获取车辆训练样本方法 |
WO2018120470A1 (zh) * | 2016-12-30 | 2018-07-05 | 华为技术有限公司 | 一种倒车图像处理的方法及其相关设备 |
WO2020107974A1 (zh) * | 2018-11-30 | 2020-06-04 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车的避障方法和装置 |
CN111178454A (zh) * | 2020-01-03 | 2020-05-19 | 北京汽车集团有限公司 | 自动驾驶数据的标注方法、云端控制平台及存储介质 |
CN111639525A (zh) * | 2020-04-22 | 2020-09-08 | 上海擎感智能科技有限公司 | 一种感知算法的训练方法、装置及计算机存储介质 |
CN112277951A (zh) * | 2020-10-29 | 2021-01-29 | 北京罗克维尔斯科技有限公司 | 车辆感知模型生成方法、车辆自动驾驶控制方法及装置 |
CN112287566A (zh) * | 2020-11-24 | 2021-01-29 | 北京亮道智能汽车技术有限公司 | 一种自动化驾驶场景库生成方法、系统及电子设备 |
Non-Patent Citations (4)
Title |
---|
Autonomous vehicle perception: The technology of today and tomorrow;Jessica Van Brummelen 等;Transportation Research Part C: Emerging Technologies;全文 * |
基于CIM的智慧交通与智慧道路感知体系;高颖;中国交通信息化(第1期);113-115 * |
基于激光雷达感知的场景重构方法研究;邢雨;刘亚彬;韩康;刘宇;剧学铭;;汽车技术(08);全文 * |
智能网联汽车环境感知技术的发展和研究现状;谢志萍;雷莉萍;;成都工业学院学报(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113496213A (zh) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113496213B (zh) | 一种目标感知数据的确定方法、装置、系统及存储介质 | |
CN111506980B (zh) | 对虚拟驾驶环境生成交通场景的方法及装置 | |
US11281811B2 (en) | Method, apparatus and device for storing vehicular data | |
KR102272295B1 (ko) | 영상의 깊이정보를 이용한 차량번호판 인식률 향상 방법 | |
KR102272279B1 (ko) | 인공지능 알고리즘을 이용한 차량번호판 인식 방법 | |
US11836985B2 (en) | Identifying suspicious entities using autonomous vehicles | |
US8760318B2 (en) | Method for traffic monitoring and secure processing of traffic violations | |
CN107529659B (zh) | 安全带佩戴检测方法、装置及电子设备 | |
CN110728218A (zh) | 危险驾驶行为的预警方法、装置、电子设备及存储介质 | |
Chaovalit et al. | A method for driving event detection using SAX with resource usage exploration on smartphone platform | |
US10607100B2 (en) | Device for recognizing vehicle license plate number and method therefor | |
US11335136B2 (en) | Method for ascertaining illegal driving behavior by a vehicle | |
Marcondes et al. | In-vehicle violence detection in carpooling: a brief survey towards a general surveillance system | |
CN114926824A (zh) | 一种不良驾驶行为判别方法 | |
CN111985304A (zh) | 巡防告警方法、系统、终端设备及存储介质 | |
KR102231434B1 (ko) | 블록체인 기술 기반 운전자 간의 블랙박스 영상의 p2p 거래/공유 서비스를 위한 플랫폼 및 그 구현 방법 | |
Sharma et al. | Towards an AI-based after-collision forensic analysis protocol for autonomous vehicles | |
Kiac et al. | ADEROS: artificial intelligence-based detection system of critical events for road security | |
CN115640828A (zh) | 一种基于对抗生成网络的车载数字孪生欺骗检测方法 | |
CN107533798B (zh) | 图像处理装置及具有该装置的交通管理系统、图像处理方法 | |
Fowdur et al. | A mobile application for real-time detection of road traffic violations | |
KR102281891B1 (ko) | 도로 결빙 현상 알림을 제공하는 차량 제어 시스템 및 그것의 제어방법 | |
CN114241796B (zh) | 驾驶风格获取方法和设备 | |
CN113298976B (zh) | 一种机动车违法行为自动抓拍处理方法及系统 | |
CN114898236B (zh) | 一种基于无人机的渣土车监测方法、系统及云平台 |
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 |