CN113743356A - 数据的采集方法、装置和电子设备 - Google Patents
数据的采集方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113743356A CN113743356A CN202111081943.8A CN202111081943A CN113743356A CN 113743356 A CN113743356 A CN 113743356A CN 202111081943 A CN202111081943 A CN 202111081943A CN 113743356 A CN113743356 A CN 113743356A
- Authority
- CN
- China
- Prior art keywords
- data
- data acquisition
- algorithm
- driving
- driving data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 230000008447 perception Effects 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 31
- 238000001514 detection method Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种数据的采集方法、装置和电子设备，包括：获取数据采集器件发送的驾驶数据；采用自动驾驶算法对驾驶数据进行分析；判断分析结果是否符合预设数据采集规则，其中，预设数据采集规则为用户设定的对有价值驾驶数据进行识别的规则；如果符合预设数据采集规则，则将得出分析结果时的预设时间范围内的目标驾驶数据进行保存。本发明的数据的采集方法能够直接采集到有价值的驾驶数据，进而利用有价值的驾驶数据对自动驾驶算法进行迭代更新，缓解了现有的数据采集方法无法直接采集到有价值的数据，增加了后续人工筛选有价值数据的工作量的技术问题。
Description
技术领域
本发明涉及数据采集的技术领域，尤其是涉及一种数据的采集方法、装置和电子设备。
背景技术
L2级自动驾驶已大规模量产，更高级别的自动驾驶在推广验证，目前自动驾驶系统多采用基于深度学习的人工智能算法。采集以及获得有价值的海量数据是解决基于深度学习的人工智能算法对海量数据依赖问题的有效途径。
目前，在对自动驾驶的相关数据进行采集时，都是在车辆上设置多源传感器和数据采集设备，这样，车辆在行驶过程中，多源传感器采集到的海量数据发送至数据采集设备，之后，再由数据采集设备将海量数据进行保存或上传至云端，当需要对自动驾驶算法进行迭代更新时，再由相关人员从上述采集到的海量数据中筛选得到有价值的数据，进而利用有价值的数据对自动驾驶算法进行迭代更新。
综上，现有技术的数据采集方法无法直接采集到有价值的数据，增加了后续人工筛选有价值数据的工作量。
发明内容
有鉴于此，本发明的目的在于提供一种数据的采集方法、装置和电子设备，以缓解现有技术的数据采集方法无法直接采集到有价值的数据，增加了后续人工筛选有价值数据的工作量的技术问题。
第一方面，本发明实施例提供了一种数据的采集方法，包括：
获取数据采集器件发送的驾驶数据；
采用自动驾驶算法对所述驾驶数据进行分析；
判断分析结果是否符合预设数据采集规则，其中，所述预设数据采集规则为用户设定的对有价值驾驶数据进行识别的规则；
如果符合所述预设数据采集规则，则将得出所述分析结果时的预设时间范围内的目标驾驶数据进行保存。
进一步的，所述数据采集器件至少包括：图像采集装置、激光雷达、毫米波雷达、IMU、GPS、车速信号采集器件、方向盘转角信号采集器件、刹车踏板开合度采集器件、加速踏板开合度采集器件。
进一步的，采用自动驾驶算法对所述驾驶数据进行分析，包括：
采用感知算法对所述驾驶数据进行感知，得到感知结果，其中，所述感知结果包括：所述驾驶数据对应的场景类别、所述驾驶数据中目标对象的位置信息、类别信息和ID信息；
基于所述感知结果，采用规划算法和定位算法分别得到车辆规划结果、车辆定位结果，并基于所述车辆规划结果和所述车辆定位结果，采用控制算法得到车辆控制结果。
进一步的，所述预设数据采集规则包括：感知融合级数据采集规则、规控定位级数据采集规则和功能级数据采集规则；
所述感知融合级数据采集规则包括：所述驾驶数据为预定义场景类别的驾驶数据、所述驾驶数据中目标对象的位置信息和/或类别信息不稳定、所述驾驶数据中目标对象的ID信息不稳定、不同目标检测算法的检测结果不一致；
所述规控定位级数据采集规则包括：所述车辆规划结果和/或所述车辆控制结果大于预设阈值、所述车辆规划结果和/或所述车辆控制结果不符合预设合法规则、所述车辆规划结果和/或所述车辆控制结果提示错误或失败报警信息；
所述功能级数据采集规则包括：所述车辆控制结果与驾驶员控制操作不一致、自动驾驶相关功能被激活、自动驾驶功能异常、自动驾驶功能降级、自动驾驶过程中，驾驶员接管或干预、发生预设事件或预设工况。
进一步的，将得出所述分析结果时的预设时间范围内的目标驾驶数据进行保存，包括：
将所述目标驾驶数据保存至存储器和/或上传至云端。
进一步的，所述方法还包括：
如果未符合所述预设数据采集规则，则不保存与所述分析结果对应的驾驶数据。
进一步的，所述方法还包括：
采用由所述感知融合级数据采集规则确定的目标驾驶数据对所述感知算法进行迭代更新；
采用由所述规控定位级数据采集规则确定的目标驾驶数据对所述规划算法和/或所述控制算法进行迭代更新；
采用由所述功能级数据采集规则确定的目标驾驶数据对待更新算法进行迭代更新，其中，所述待更新算法为对所述感知算法、所述规划算法、所述定位算法和所述控制算法进行分析后确定的。
第二方面，本发明实施例还提供了一种数据的采集装置，包括：
获取单元，用于获取数据采集器件发送的驾驶数据；
分析单元，用于采用自动驾驶算法对所述驾驶数据进行分析；
判断单元，用于判断分析结果是否符合预设数据采集规则，其中，所述预设数据采集规则为用户设定的对有价值驾驶数据进行识别的规则；
保存单元，用于如果符合所述预设数据采集规则，则将得出所述分析结果时的预设时间范围内的目标驾驶数据进行保存。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面，本发明实施例还提供了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机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
在本发明实施例中，提供了一种数据的采集方法，包括：先获取数据采集器件发送的驾驶数据；然后，采用自动驾驶算法对驾驶数据进行分析；进而，判断分析结果是否符合用户设定的对有价值驾驶数据进行识别的预设数据采集规则；如果符合预设数据采集规则，则将得出分析结果时的预设时间范围内的目标驾驶数据进行保存。通过上述描述可知，本发明的数据的采集方法能够直接采集到有价值的驾驶数据，进而利用有价值的驾驶数据对自动驾驶算法进行迭代更新，缓解了现有的数据采集方法无法直接采集到有价值的数据，增加了后续人工筛选有价值数据的工作量的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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他的附图。
图1为本发明实施例提供的一种数据的采集方法的流程图；
图2为本发明实施例提供的采用自动驾驶算法对驾驶数据进行分析的方法流程图；
图3为本发明实施例提供的一种数据的采集装置的示意图；
图4为本发明实施例提供的一种电子设备的示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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，本领域普通技术人员在没有做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。
目前，在对自动驾驶的相关数据进行采集时，都是直接采集海量的自动驾驶的相关数据，当需要对自动驾驶算法进行迭代更新时，再由相关人员从上述采集到的海量数据中筛选得到有价值的数据，进而利用有价值的数据对自动驾驶算法进行迭代更新，增加了后续人工筛选有价值数据的工作量。
基于此，本实施例提供了一种数据的采集方法，该方法能够直接采集到有价值的驾驶数据，进而利用有价值的驾驶数据对自动驾驶算法进行迭代更新。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种数据的采集方法进行详细介绍。
实施例一：
根据本发明实施例，提供了一种数据的采集方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种数据的采集方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取数据采集器件发送的驾驶数据；
在本发明实施例中，该数据的采集方法应用于采集设备。上述数据采集器件至少包括：图像采集装置、激光雷达、毫米波雷达、IMU、GPS、车速信号采集器件、方向盘转角信号采集器件、刹车踏板开合度采集器件、加速踏板开合度采集器件。
上述数据采集器件采用多源输入同步技术，确保各种驾驶数据的同步，实现多种驾驶数据的同步采集。上述采集设备(具体为量产形态的采集硬件)部署在自动驾驶车辆上，获取数据采集器件发送的驾驶数据，然后，根据自身的判断逻辑从中确定出有价值驾驶数据，进而对其进行保存(下文中再对该过程进行详细描述)。
步骤S104，采用自动驾驶算法对驾驶数据进行分析；
具体的，上述自动驾驶算法为车端的自动驾驶算法，具体包括：感知算法、规划算法、定位算法和控制算法。
步骤S106，判断分析结果是否符合预设数据采集规则，其中，预设数据采集规则为用户设定的对有价值驾驶数据进行识别的规则；
上述有价值驾驶数据是指在特定的场景和工况下，现有的自动驾驶算法出现异常情况、或不能对其进行正确预测的驾驶数据。
步骤S108，如果符合预设数据采集规则，则将得出分析结果时的预设时间范围内的目标驾驶数据进行保存。
上述目标驾驶数据即为有价值驾驶数据，如此，可以获得海量有价值驾驶数据，以便后续数据分析和对自动驾驶算法进行迭代更新。
上述预设时间范围可以为得出分析结果时的前预设时间和后预设时间，本发明实施例对上述预设时间范围不进行具体限定。目标驾驶数据即为上述预设时间范围内获取的驾驶数据。
在本发明实施例中，提供了一种数据的采集方法，包括：先获取数据采集器件发送的驾驶数据；然后，采用自动驾驶算法对驾驶数据进行分析；进而，判断分析结果是否符合用户设定的对有价值驾驶数据进行识别的预设数据采集规则；如果符合预设数据采集规则，则将得出分析结果时的预设时间范围内的目标驾驶数据进行保存。通过上述描述可知，本发明的数据的采集方法能够直接采集到有价值的驾驶数据，进而利用有价值的驾驶数据对自动驾驶算法进行迭代更新，缓解了现有的数据采集方法无法直接采集到有价值的数据，增加了后续人工筛选有价值数据的工作量的技术问题。
在本发明的一个可选实施例中，参考图2，上述步骤S104，采用自动驾驶算法对驾驶数据进行分析，具体包括：
步骤S201，采用感知算法对驾驶数据进行感知，得到感知结果，其中，感知结果包括：驾驶数据对应的场景类别、驾驶数据中目标对象的位置信息、类别信息和ID信息；
步骤S202，基于感知结果，采用规划算法和定位算法分别得到车辆规划结果、车辆定位结果，并基于车辆规划结果和车辆定位结果，采用控制算法得到车辆控制结果。
上述自动驾驶算法包括：感知算法、规划算法、控制算法和定位算法。
在本发明的一个可选实施例中，上述预设数据采集规则包括：感知融合级数据采集规则、规控定位级数据采集规则和功能级数据采集规则；
感知融合级数据采集规则(该种规则确定的目标驾驶数据为对感知算法迭代更新有价值的数据)包括：驾驶数据为预定义场景类别的驾驶数据、驾驶数据中目标对象的位置信息和/或类别信息不稳定、驾驶数据中目标对象的ID信息不稳定、不同目标检测算法的检测结果不一致；
规控定位级数据采集规则(该种规则确定的目标驾驶数据为对规划算法和/或控制算法迭代更新有价值的数据)包括：车辆规划结果和/或车辆控制结果大于预设阈值、车辆规划结果和/或车辆控制结果不符合预设合法规则、车辆规划结果和/或车辆控制结果提示错误或失败报警信息；
功能级数据采集规则(该种规则确定的目标驾驶数据主要针对的是控制层级)包括：车辆控制结果与驾驶员控制操作不一致、自动驾驶相关功能被激活、自动驾驶功能异常、自动驾驶功能降级、自动驾驶过程中，驾驶员接管或干预、发生预设事件或预设工况。
下面分别对每种数据采集规则进行详细介绍：
驾驶数据为预定义场景类别的驾驶数据：在实现时，感知算法对驾驶数据(数据采集器件采集的数据融合后的驾驶数据)对应的场景进行分类，如果驾驶数据对应的场景为预定义场景类别，则符合预设数据采集规则。例如，预定义场景类别为匝道场景类别、桥洞场景类别、隧道场景类别，感知算法对驾驶数据中的图像数据进行场景识别后，确定其对应的场景为桥洞场景类别，则符合预设数据采集规则。需要说明的是上述预定义场景类别为容易发生碰撞事故或数据采集器件容易失效的场景类别，本发明实施例对上述预定义场景类别不进行具体限制。
驾驶数据中目标对象的位置信息和/或类别信息不稳定：在实现时，如，感知算法对拍摄的图像进行感知，若目标对象的位置信息和/或类别信息不稳定(即目标对象的检测框跳变或目标对象的类别跳变)，说明感知算法不能正确的对图像进行感知(上述图像为有价值的驾驶数据)。
驾驶数据中目标对象的ID信息不稳定：在对一个目标对象进行长时间检测时，会为该目标对象生成唯一的ID信息，若感知过程中该目标对象的ID信息发生跳变(如，原来检测到的目标对象的ID为1，后来跳变为了3，说明感知算法不稳定)。
不同目标检测算法(即感知算法)的检测结果不一致：对于图像采集装置采集得到的图像，对应的目标检测算法检测得到的检测结果为目标对象为车；而对于激光雷达采集得到的点云数据，对应的目标检测算法检测得到的检测结果为目标对象为人，即不同目标检测算法的检测结果不一致。
车辆规划结果和/或车辆控制结果大于预设阈值：当前场景中，若自动驾驶算法规划的车辆规划结果为方向盘向左转50度，而方向盘转角的预设阈值为30度，即车辆规划结果大于预设阈值，说明符合预设数据采集规则。
车辆规划结果和/或车辆控制结果不符合预设合法规则：当前场景中，若车辆规划结果不符合交通规则(例如：明明是红灯，车辆规划结果认为向前行驶)，或者，车辆规划的去往目的地的路径中，存在不能行驶的道路等，本发明实施例对上述预设合法规则不进行具体限制。上说情况说明车辆规划结果和/或车辆控制结果不符合预设合法规则。
车辆规划结果和/或车辆控制结果提示错误或失败报警信息，例如，车身出现错误信号，算法出现规划失败，方向盘卡着不动，定位失败等，可根据需要进行设定。
车辆控制结果与驾驶员控制操作不一致：在车辆由驾驶员完全操作的状态下或车辆的部分功能由辅助驾驶系统来执行，自动驾驶控制器通过数据采集器件获得真实的运行环境数据(也称之为驾驶数据)，并在后台运行自动驾驶算法，但不对车辆执行机构进行执行控制，当自动驾驶算法输出的车辆控制结果不同于驾驶员实际控制操作，则符合预设数据采集规则。
自动驾驶相关功能被激活：自动驾驶相关功能可以包括：紧急制动功能、自适应巡航功能等，本发明实施例对上述自动驾驶相关功能不进行具体限制。
自动驾驶功能异常即出现自动驾驶功能异常的提示信号时，符合预设数据采集规则。
自动驾驶功能降级：比如，之前的自动驾驶是横向和纵向的，横向和纵向是指既可以变道，也可以直行，但是后来自动驾驶只能是直行，这就是一种自动驾驶功能降级，当然，还可以为其它自动驾驶功能降级。
自动驾驶过程中，驾驶员接管或干预是指在原本的自动驾驶过程中，出现了驾驶员接管或干预驾驶，说明驾驶过程中遇到了紧急情况或自动驾驶控制不当的情况，这种情况下的驾驶数据也是有价值驾驶数据。
发生预设事件或预设工况：上述预设事件或预设工况可以包括：当驾驶员操控车辆或系统操控车辆时，出现紧急制动、紧急变道、道路积水、道路结冰等事件或工况，本发明实施例对上述预设事件和预设工况不进行具体限制，还可以为其它事件或工况。
本发明的上述预设数据采集规则能够采集到针对不同的自动驾驶算法(感知算法、规划算法、定位算法和控制算法)的目标驾驶数据，后续可以直接用对应的目标驾驶数据对其对应的自动驾驶算法进行迭代更新，更加方便快捷。
另外，本发明的上述预设数据采集规则是发明人从自动驾驶算法的不同层级出发设计的多机制数据采集规则，采集到的目标驾驶数据更加全面，后续能够对自动驾驶算法的各层级算法进行针对性的迭代更新，能减少对自动驾驶算法的所有层级算法进行迭代更新的工作量，且，全面丰富的目标驾驶数据能够使得本发明迭代更新后的自动驾驶算法更加可靠稳定。
在本发明的一个可选实施例中，上述步骤S108，将得出分析结果时的预设时间范围内的目标驾驶数据进行保存，具体包括：将目标驾驶数据保存至存储器和/或上传至云端。之后，对该部分目标驾驶数据进行分析，注释，标记，测试误报和漏报，进而更好的进行算法的迭代更新。
在本发明的一个可选实施例中，该方法还包括：
如果分析结果未符合预设数据采集规则，则不保存与分析结果对应的驾驶数据。
在本发明的一个可选实施例中，该方法还包括：
(1)采用由感知融合级数据采集规则确定的目标驾驶数据对感知算法进行迭代更新；
具体的，由感知融合级数据采集规则确定的目标驾驶数据为对感知算法迭代更新有价值的数据，得到由该种规则采集的目标驾驶数据后，可将该部分目标驾驶数据用于对感知算法进行迭代更新。
(2)采用由规控定位级数据采集规则确定的目标驾驶数据对规划算法和/或控制算法进行迭代更新；
具体的，由规控定位级数据采集规则确定的目标驾驶数据为对规划算法和/或控制算法迭代更新有价值的数据，得到由该种规则采集的目标驾驶数据后，可将该部分目标驾驶数据用于对规划算法和/或控制算法进行迭代更新。
(3)采用由功能级数据采集规则确定的目标驾驶数据对待更新算法进行迭代更新，其中，待更新算法为对感知算法、规划算法、定位算法和控制算法进行分析后确定的。
具体的，由功能级数据采集规则确定的目标驾驶数据主要针对的是控制层级，在后续对自动驾驶算法进行迭代更新时，需要分析(推导)自动驾驶算法中感知、规划、定位和决策层级中需要迭代更新的算法，进而，再将由该种规则采集的目标驾驶数据用于对确定的需要迭代更新的算法进行迭代更新。
本发明直接用对应的目标驾驶数据对其对应的自动驾驶算法进行迭代更新，更加方便快捷，减少对自动驾驶算法的所有层级算法进行迭代更新的工作量，且，全面丰富的目标驾驶数据能够使得本发明迭代更新后的自动驾驶算法更加可靠稳定。
实施例二：
本发明实施例还提供了一种数据的采集装置，该数据的采集装置主要用于执行本发明实施例一中所提供的数据的采集方法，以下对本发明实施例提供的数据的采集装置做具体介绍。
图3是根据本发明实施例的一种数据的采集装置的示意图，如图3所示，该装置主要包括：获取单元10、分析单元20、判断单元30和保存单元40，其中：
获取单元，用于获取数据采集器件发送的驾驶数据；
分析单元，用于采用自动驾驶算法对驾驶数据进行分析；
判断单元，用于判断分析结果是否符合预设数据采集规则，其中，预设数据采集规则为用户设定的对有价值驾驶数据进行识别的规则；
保存单元，用于如果符合预设数据采集规则，则将得出分析结果时的预设时间范围内的目标驾驶数据进行保存。
在本发明实施例中，提供了一种数据的采集装置，包括：先获取数据采集器件发送的驾驶数据；然后，采用自动驾驶算法对驾驶数据进行分析；进而，判断分析结果是否符合用户设定的对有价值驾驶数据进行识别的预设数据采集规则；如果符合预设数据采集规则，则将得出分析结果时的预设时间范围内的目标驾驶数据进行保存。通过上述描述可知，本发明的数据的采集装置能够直接采集到有价值的驾驶数据，进而利用有价值的驾驶数据对自动驾驶算法进行迭代更新，缓解了现有的数据采集方法无法直接采集到有价值的数据，增加了后续人工筛选有价值数据的工作量的技术问题。
可选地，数据采集器件至少包括：图像采集装置、激光雷达、毫米波雷达、IMU、GPS、车速信号采集器件、方向盘转角信号采集器件、刹车踏板开合度采集器件、加速踏板开合度采集器件。
可选地，分析单元还用于：采用感知算法对驾驶数据进行感知，得到感知结果，其中，感知结果包括：驾驶数据对应的场景类别、驾驶数据中目标对象的位置信息、类别信息和ID信息；基于感知结果，采用规划算法和定位算法分别得到车辆规划结果、车辆定位结果，并基于车辆规划结果和车辆定位结果，采用控制算法得到车辆控制结果。
可选地，预设数据采集规则包括：感知融合级数据采集规则、规控定位级数据采集规则和功能级数据采集规则；感知融合级数据采集规则包括：驾驶数据为预定义场景类别的驾驶数据、驾驶数据中目标对象的位置信息和/或类别信息不稳定、驾驶数据中目标对象的ID信息不稳定、不同目标检测算法的检测结果不一致；规控定位级数据采集规则包括：车辆规划结果和/或车辆控制结果大于预设阈值、车辆规划结果和/或车辆控制结果不符合预设合法规则、车辆规划结果和/或车辆控制结果提示错误或失败报警信息；功能级数据采集规则包括：车辆控制结果与驾驶员控制操作不一致、自动驾驶相关功能被激活、自动驾驶功能异常、自动驾驶功能降级、自动驾驶过程中，驾驶员接管或干预、发生预设事件或预设工况。
可选地，保存单元还用于：将目标驾驶数据保存至存储器和/或上传至云端。
可选地，该装置还用于：如果未符合预设数据采集规则，则不保存与分析结果对应的驾驶数据。
可选地，该装置还用于：采用由感知融合级数据采集规则确定的目标驾驶数据对感知算法进行迭代更新；采用由规控定位级数据采集规则确定的目标驾驶数据对规划算法和/或控制算法进行迭代更新；采用由功能级数据采集规则确定的目标驾驶数据对待更新算法进行迭代更新，其中，待更新算法为对感知算法、规划算法、定位算法和控制算法进行分析后确定的。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
如图4所示，本申请实施例提供的一种电子设备600，包括：处理器601、存储器602和总线，所述存储器602存储有所述处理器601可执行的机器可读指令，当电子设备运行时，所述处理器601与所述存储器602之间通过总线通信，所述处理器601执行所述机器可读指令，以执行如上述数据的采集方法的步骤。
具体地，上述存储器602和处理器601能够为通用的存储器和处理器，这里不做具体限定，当处理器601运行存储器602存储的计算机程序时，能够执行上述数据的采集方法。
处理器601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601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601可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。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602，处理器601读取存储器602中的信息，结合其硬件完成上述方法的步骤。
对应于上述数据的采集方法，本申请实施例还提供了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机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述数据的采集方法的步骤。
本申请实施例所提供的数据的采集装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。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，又例如，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通信接口，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。
再例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
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，在本申请提供的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。
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电子设备(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车辆标记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，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的范围。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权利要求的保护范围为准。
Claims (10)
1.一种数据的采集方法，其特征在于，包括：
获取数据采集器件发送的驾驶数据；
采用自动驾驶算法对所述驾驶数据进行分析；
判断分析结果是否符合预设数据采集规则，其中，所述预设数据采集规则为用户设定的对有价值驾驶数据进行识别的规则；
如果符合所述预设数据采集规则，则将得出所述分析结果时的预设时间范围内的目标驾驶数据进行保存。
2.根据权利要求1所述的方法，其特征在于，所述数据采集器件至少包括：图像采集装置、激光雷达、毫米波雷达、IMU、GPS、车速信号采集器件、方向盘转角信号采集器件、刹车踏板开合度采集器件、加速踏板开合度采集器件。
3.根据权利要求1所述的方法，其特征在于，采用自动驾驶算法对所述驾驶数据进行分析，包括：
采用感知算法对所述驾驶数据进行感知，得到感知结果，其中，所述感知结果包括：所述驾驶数据对应的场景类别、所述驾驶数据中目标对象的位置信息、类别信息和ID信息；
基于所述感知结果，采用规划算法和定位算法分别得到车辆规划结果、车辆定位结果，并基于所述车辆规划结果和所述车辆定位结果，采用控制算法得到车辆控制结果。
4.根据权利要求3所述的方法，其特征在于，所述预设数据采集规则包括：感知融合级数据采集规则、规控定位级数据采集规则和功能级数据采集规则；
所述感知融合级数据采集规则包括：所述驾驶数据为预定义场景类别的驾驶数据、所述驾驶数据中目标对象的位置信息和/或类别信息不稳定、所述驾驶数据中目标对象的ID信息不稳定、不同目标检测算法的检测结果不一致；
所述规控定位级数据采集规则包括：所述车辆规划结果和/或所述车辆控制结果大于预设阈值、所述车辆规划结果和/或所述车辆控制结果不符合预设合法规则、所述车辆规划结果和/或所述车辆控制结果提示错误或失败报警信息；
所述功能级数据采集规则包括：所述车辆控制结果与驾驶员控制操作不一致、自动驾驶相关功能被激活、自动驾驶功能异常、自动驾驶功能降级、自动驾驶过程中，驾驶员接管或干预、发生预设事件或预设工况。
5.根据权利要求1所述的方法，其特征在于，将得出所述分析结果时的预设时间范围内的目标驾驶数据进行保存，包括：
将所述目标驾驶数据保存至存储器和/或上传至云端。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
如果未符合所述预设数据采集规则，则不保存与所述分析结果对应的驾驶数据。
7.根据权利要求4所述的方法，其特征在于，所述方法还包括：
采用由所述感知融合级数据采集规则确定的目标驾驶数据对所述感知算法进行迭代更新；
采用由所述规控定位级数据采集规则确定的目标驾驶数据对所述规划算法和/或所述控制算法进行迭代更新；
采用由所述功能级数据采集规则确定的目标驾驶数据对待更新算法进行迭代更新，其中，所述待更新算法为对所述感知算法、所述规划算法、所述定位算法和所述控制算法进行分析后确定的。
8.一种数据的采集装置，其特征在于，包括：
获取单元，用于获取数据采集器件发送的驾驶数据；
分析单元，用于采用自动驾驶算法对所述驾驶数据进行分析；
判断单元，用于判断分析结果是否符合预设数据采集规则，其中，所述预设数据采集规则为用户设定的对有价值驾驶数据进行识别的规则；
保存单元，用于如果符合所述预设数据采集规则，则将得出所述分析结果时的预设时间范围内的目标驾驶数据进行保存。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的方法的步骤。
10.一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机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111081943.8A CN113743356A (zh) | 2021-09-15 | 2021-09-15 | 数据的采集方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111081943.8A CN113743356A (zh) | 2021-09-15 | 2021-09-15 | 数据的采集方法、装置和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113743356A true CN113743356A (zh) | 2021-12-03 |
Family
ID=78739122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111081943.8A Pending CN113743356A (zh) | 2021-09-15 | 2021-09-15 | 数据的采集方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113743356A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115497289A (zh) * | 2022-09-06 | 2022-12-20 | 中国第一汽车股份有限公司 | 车辆监控处理方法以及装置 |
| WO2023226733A1 (zh) * | 2022-05-27 | 2023-11-30 | 中国第一汽车股份有限公司 | 车辆场景数据的采集方法、装置、存储介质及电子设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160328893A1 (en) * | 2015-05-07 | 2016-11-10 | Truemotion, Inc. | Methods and systems for sensor-based driving data collection |
| CN106885601A (zh) * | 2017-01-09 | 2017-06-23 | 北京理工大学 | 无人车多传感器数据同步采集系统 |
| CN110264586A (zh) * | 2019-05-28 | 2019-09-20 | 浙江零跑科技有限公司 | L3级自动驾驶系统道路驾驶数据采集、分析及上传方法 |
| CN110395262A (zh) * | 2019-08-07 | 2019-11-01 | 安徽江淮汽车集团股份有限公司 | 驾驶行为数据采集系统及方法 |
| CN110688943A (zh) * | 2019-09-25 | 2020-01-14 | 武汉光庭信息技术股份有限公司 | 一种基于实际驾驶数据自动获取图像样本的方法和装置 |
| WO2020042859A1 (zh) * | 2018-08-29 | 2020-03-05 | 上海商汤智能科技有限公司 | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 |
| US20200342693A1 (en) * | 2019-04-29 | 2020-10-29 | Baidu Usa Llc | Data collection automation system |
| CN111845728A (zh) * | 2020-06-22 | 2020-10-30 | 福瑞泰克智能系统有限公司 | 一种驾驶辅助数据采集方法及系统 |
| CN112740725A (zh) * | 2020-03-31 | 2021-04-30 | 华为技术有限公司 | 驾驶数据采集方法及装置 |
| CN112802227A (zh) * | 2019-11-14 | 2021-05-14 | 北京车和家信息技术有限公司 | 车辆adas行驶数据的采集方法、装置、人机交互装置及车辆 |
-
2021
- 2021-09-15 CN CN202111081943.8A patent/CN113743356A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160328893A1 (en) * | 2015-05-07 | 2016-11-10 | Truemotion, Inc. | Methods and systems for sensor-based driving data collection |
| CN106885601A (zh) * | 2017-01-09 | 2017-06-23 | 北京理工大学 | 无人车多传感器数据同步采集系统 |
| WO2020042859A1 (zh) * | 2018-08-29 | 2020-03-05 | 上海商汤智能科技有限公司 | 智能驾驶控制方法和装置、车辆、电子设备、存储介质 |
| US20200342693A1 (en) * | 2019-04-29 | 2020-10-29 | Baidu Usa Llc | Data collection automation system |
| CN110264586A (zh) * | 2019-05-28 | 2019-09-20 | 浙江零跑科技有限公司 | L3级自动驾驶系统道路驾驶数据采集、分析及上传方法 |
| CN110395262A (zh) * | 2019-08-07 | 2019-11-01 | 安徽江淮汽车集团股份有限公司 | 驾驶行为数据采集系统及方法 |
| CN110688943A (zh) * | 2019-09-25 | 2020-01-14 | 武汉光庭信息技术股份有限公司 | 一种基于实际驾驶数据自动获取图像样本的方法和装置 |
| CN112802227A (zh) * | 2019-11-14 | 2021-05-14 | 北京车和家信息技术有限公司 | 车辆adas行驶数据的采集方法、装置、人机交互装置及车辆 |
| CN112740725A (zh) * | 2020-03-31 | 2021-04-30 | 华为技术有限公司 | 驾驶数据采集方法及装置 |
| CN111845728A (zh) * | 2020-06-22 | 2020-10-30 | 福瑞泰克智能系统有限公司 | 一种驾驶辅助数据采集方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 雷先华 等: "自动驾驶汽车数据采集系统的应用研究", 《时代汽车》, 5 December 2020 (2020-12-05), pages 181 - 182 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023226733A1 (zh) * | 2022-05-27 | 2023-11-30 | 中国第一汽车股份有限公司 | 车辆场景数据的采集方法、装置、存储介质及电子设备 |
| CN115497289A (zh) * | 2022-09-06 | 2022-12-20 | 中国第一汽车股份有限公司 | 车辆监控处理方法以及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10649464B2 (en) | Collision-avoidance system for autonomous-capable vehicles | |
| KR101798519B1 (ko) | 긴급 제동 시스템 및 그 제어방법 | |
| CN109760675B (zh) | 预测车辆轨迹的方法、装置、存储介质和终端设备 | |
| US20220048536A1 (en) | Method and device for testing a driver assistance system | |
| US20210390353A1 (en) | Object recognition device, object recognition method, and object recognition program | |
| CN111382768A (zh) | 多传感器数据融合方法和装置 | |
| JP6974465B2 (ja) | 制御装置、制御方法、およびプログラム | |
| WO2013011952A1 (ja) | 車線認識装置 | |
| EP3657460A1 (en) | Method, computer program product, and driver assistance system for determining one or more lanes of a road in an environment of a vehicle | |
| CN113743356A (zh) | 数据的采集方法、装置和电子设备 | |
| US11657621B2 (en) | Method for generating control settings for a motor vehicle | |
| US10916134B2 (en) | Systems and methods for responding to a vehicle parked on shoulder of the road | |
| US20220388547A1 (en) | Method for training a machine learning algorithm for predicting an intent parameter for an object on a terrain | |
| CN113762406A (zh) | 数据的挖掘方法、装置和电子设备 | |
| CN111413973A (zh) | 车辆的换道决策方法及装置、电子设备、存储介质 | |
| CN111409455A (zh) | 车辆的速度控制方法及装置、电子设备、存储介质 | |
| JP2022502750A (ja) | センサデータ流を分析するための方法及び装置、並びに、車両を誘導するための方法 | |
| CN111352414A (zh) | 用于车辆的假目标移除装置和方法及包括该装置的车辆 | |
| CN116010854B (zh) | 异常原因的确定方法、装置、电子设备及存储介质 | |
| WO2020141121A1 (en) | Determining whether image data is within a predetermined range that image analysis software is configured to analyze | |
| EP3989031B1 (en) | Systems and methods for fusing road friction data to enhance vehicle maneuvering | |
| CN115848412A (zh) | 感知融合方法、装置、设备及存储介质 | |
| JP6250120B1 (ja) | 車線維持支援装置および車線維持支援方法 | |
| US20240067189A1 (en) | Control device and control method | |
| WO2022196659A1 (ja) | 運転支援装置、運転支援方法、ドライブレコーダ、運転支援制御プログラム |
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 |