CN114359857A - 上报信息的处理方法、装置和系统 - Google Patents

上报信息的处理方法、装置和系统 Download PDF

Info

Publication number
CN114359857A
CN114359857A CN202011069497.4A CN202011069497A CN114359857A CN 114359857 A CN114359857 A CN 114359857A CN 202011069497 A CN202011069497 A CN 202011069497A CN 114359857 A CN114359857 A CN 114359857A
Authority
CN
China
Prior art keywords
target object
identification information
confidence
cloud server
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
Application number
CN202011069497.4A
Other languages
English (en)
Inventor
马涛
刘建琴
宋思达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202011069497.4A priority Critical patent/CN114359857A/zh
Priority to EP21874105.6A priority patent/EP4209960A4/en
Priority to PCT/CN2021/113110 priority patent/WO2022068443A1/zh
Publication of CN114359857A publication Critical patent/CN114359857A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3811—Point data, e.g. Point of Interest [POI]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • 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
    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096716—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information does not generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本申请公开了一种上报信息的处理方法、装置和系统，用以提供一种对同一目标上报的多个识别信息高效且准确的处理方式。该方法包括：云端服务器接收来自N个采集装置的目标对象的N个识别信息，N为正整数，识别信息包括目标对象的识别结果、置信度值以及置信度类型；根据置信度类型将接收到的N个识别信息分成M组，M为不大于N的正整数；确定所述M组中每组对应的组识别信息，选取一组识别信息，以及将选取的识别信息中的识别结果确定为所述目标对象的最终结果。通过该方法，云端服务器可以根据接收到的识别信息中的置信度类型对识别信息的置信度值进行选择比较，从而得到更加准确的所述目标对象的最终结果，有效提高了结果的准确性。

Description

上报信息的处理方法、装置和系统
技术领域
本发明涉及信息采集技术领域，特别涉及一种上报信息的处理方法、装置和系统。
背景技术
在出行过程中，经常会应用到高精地图，来帮助出行者以及自动驾驶车辆做出更加精准的决策。其中，由于对于高精地图的准确性的要求越来越高，需要经常的进行数据采集，以及根据采集到的数据及时的对高精地图进行更新。
目前，高精地图的数据信息采集过程中，经常先用集中采集方式绘制出高精度地图的静态部分，然后采用众包采集方式对绘制出的高精地图进行更新完善。
然而，众包采集模式中，由于需要收集众多车辆上报的目标对象的识别信息，而不同车辆的识别能力和识别精度有所不同，因此，针对同一目标不同车辆可能会存在不同的上报结果，加大了云端服务器确定目标对象的精确结果的难度。例如，假设目标对象为公路旁的一个80km/h的限速标志，其中，一个车辆将该目标对象识别为80km/h的限速标志，另一个车辆可能错误地将该目标对象识别为60km/h的限速标志，云端服务器收到同一个目标对象的不同识别结果后，需要判断采信哪一个结果并将其更新到地图中，若选取不当可能会导致错误，从而对交通安全造成隐患。
然而，目前云端服务器针对接收到的同一目标对象的多个识别信息，并没有准确有效的处理方法。
发明内容
本申请提供一种上报信息的处理方法、装置和系统，用以高效、准确地对上报信息进行处理。
应理解，本申请实施例中提供的进行上报信息的处理方法可以由上报信息的处理装置和处理系统执行。
其中，所述上报信息的处理系统包括云端服务器和采集装置。
其中，所述云端服务器可以为具有处理功能的服务器，例如，中央处理器，也可以为服务器中的处理芯片，具体本申请实施例不进行限定云端服务器。
应理解，本申请实施例中提供的采集装置的情况有多种，可以是单独的装置，也可以是至少两个装置的组合。
示例性的，所述采集装置可以为至少一个移动采集装置，也可以为至少一个固定采集装置，也可以是至少一个移动采集装置和至少一个固定采集装置的组合。
在一种可能的实现方式中，所述固定采集装置为路侧单元(road side unit，RSU)。
示例性的，本申请实施例中进行目标对象采集、确定目标对象的识别信息以及将所述目标对象的识别信息进行上报的装置由所述RSU执行。
较佳的，所述RSU集成了摄像头、雷达、GPS接收器等传感器中的一种或多种，具有采集功能、处理功能以及收发功能等。
其中，所述RSU执行上报信息的处理方法时，通过所述RSU中的摄像器和/或传感器对目标对象进行采集，所述RSU中的处理器根据采集到的信息，确定所述目标对象的识别信息，所述识别信息包括目标对象的识别结果，所述识别结果的置信度值以及用于确定所述置信度值的置信度类型，然后通过所述RSU中的收发器将所述目标对象的识别信息发送给云端服务器。
在一种可能的实现方式中，所述固定采集装置为RSU与至少一个传感器和/或摄像器的组合。
示例性的，本申请实施例中进行目标对象采集、确定目标对象的识别信息以及将所述目标对象的识别信息进行上报的装置由所述RSU结合所述至少一个传感器和/或摄像器执行。
其中，所述RSU结合所述至少一个传感器和/或摄像器执行上报信息的处理方法时，所述RSU通过外置的至少一个摄像器和/或传感器对目标对象进行采集，并获取所述至少一个摄像器和/或传感器集到的信息，所述RSU根据采集到的信息，通过自身的处理器确定所述目标对象的识别信息，所述识别信息包括目标对象的识别结果，所述识别结果的置信度值以及用于确定所述置信度值的置信度类型，然后通过所述RSU中的收发器将所述目标对象的识别信息发送给云端服务器。
在一种可能的实现方式中，所述固定采集装置为具有采集功能以及收发功能的RSU与中央处理器的组合。
示例性的，本申请实施例中进行目标对象采集、确定目标对象的识别信息以及将所述目标对象的识别信息进行上报的装置由所述RSU结合所述中央处理器执行。
其中，所述RSU结合所述中央处理器执行上报信息的处理方法时，通过所述RSU中的至少一个摄像器和/或传感器对目标对象进行采集，并将所述目标对象采集到的信息发送给所述中央处理器。所述中央处理器根据接收到的所述目标对象的采集信息，确定所述目标对象的识别信息，所述识别信息包括目标对象的识别结果，所述识别结果的置信度值以及用于确定所述置信度值的置信度类型。所述中央处理器将所述目标对象的识别信息发送给所述RSU，所述RSU将接收到的所述目标对象的识别信息发送给云端服务器。
较佳的，所述中央处理中存储用于确定所述RSU的识别能力和识别精度的信息，从而所述中央处理器基于接收到的所述RSU发送的目标对象的采集信息，处理得到的所述目标对象的识别信息更能表征所述RSU的结果。
在一种可能的实现方式中，所述移动采集装置为车辆。
示例性的，本申请实施例中进行目标对象采集、确定目标对象的识别信息以及将所述目标对象的识别信息进行上报的装置由所述车辆执行。
较佳的，所述车辆是包含至少一个摄像器、存储器、收发器、处理器以及传感器的智能车辆。
其中，所述车辆执行本申请实施例上报信息的处理方法时，通过所述车辆中的摄像器和/或传感器对目标对象进行采集，所述车辆中的处理器根据采集到的信息，确定所述目标对象的识别信息，所述识别信息包括目标对象的识别结果，所述识别结果的置信度值以及用于确定所述置信度值的置信度类型，然后通过所述车辆中的收发器将所述目标对象的识别信息发送给云端服务器。
在一种可能的实现方式中，所述移动采集装置为具有采集功能以及收发功能的车辆与中央处理器的组合。
示例性的，本申请实施例中进行目标对象采集、确定目标对象的识别信息以及将所述目标对象的识别信息进行上报的装置由所述车辆结合所述中央处理器执行。
其中，所述RSU结合所述中央处理器执行上报信息的处理方法时，通过所述车辆中的至少一个摄像器和/或传感器对目标对象进行采集，并将所述目标对象采集到的信息发送给所述中央处理器。所述中央处理器根据接收到的所述目标对象的采集信息，确定所述目标对象的识别信息，所述识别信息包括目标对象的识别结果，所述识别结果的置信度值以及用于确定所述置信度值的置信度类型。所述中央处理器将所述目标对象的识别信息发送给所述车辆，所述车辆将接收到的所述目标对象的识别信息发送给云端服务器。
较佳的，所述中央处理中存储用于确定所述车辆的识别能力和识别精度的信息，从而所述中央处理器基于接收到的所述车辆发送的目标对象的采集信息，处理得到的所述目标对象的识别信息更能表征所述车辆的结果。
需要说明的是，所述RSU也可以由其他与所述RSU相似功能的装置替代，本申请在此不进行限定。
本申请实施例一种可选的实现方式中，第一方面至第二方面所描述的方法可以由电子装置执行，其中电子装置可以是服务器(或称云端服务器)，或服务器中的集成电路，或服务器中的芯片。下面将以云端服务器为例执行。
本申请实施例一种可选的实现方式中，第三方面至第四方面所描述的方法可以由采集装置执行。其中，所述采集装置可以为车辆，具体本申请实施例不进行限定。
第一方面，本申请实施例提供一种上报信息的处理方法，包括：
云端服务器接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；所述云端服务器根据识别信息中的置信度类型将接收到的N个识别信息分成M组，M为不大于N的正整数；所述云端服务器确定所述M组中每组对应的组识别信息；所述云端服务器从M组识别信息中选取一组识别信息，以及将选取的识别信息中的识别结果确定为所述目标对象的最终结果。其中，可选的，当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，通过所述云端服务器中的收发器接收来自N个采集装置的目标对象的N个识别信息，然后，通过云端服务器中的处理器对接收到的N个识别信息处理，例如，通过所述处理器将接收到的N个识别信息分成M组，确定所述M组中每组对应的组识别信息，从M组识别信息中选取一组识别信息，以及将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
基于上述方法，云端服务器可以根据接收到的识别信息中的置信度类型对接收到的目标对象的识别信息进行分组比较，从而得到更加准确的所述目标对象的最终结果，有效提高了结果的准确性。
在一种可能的实现方式中，所述N个识别信息是所述云端服务器在第一阈值时长内接收到的。
其中，可选的，所述云端服务器中可以设置定时器，所述定时器的定时时长为阈值时长。
示例性的，所述云端服务器可以在接收到第一个采集装置发送的目标对象的识别信息后，开启所述定时器，当所述定时器运行结束后，停止接收采集装置发送的目标对象的识别信息。
基于上述方法，通过设置阈值时长，限定所述云端服务器接收所述采集装置发送的目标对象的识别信息的时间，从而有效避免云端服务器无限制的等待采集装置发送的目标对象的识别信息，无法及时的确定所述目标对象的最终结果。
在一种可能的实现方式中，所述云端服务器接收N个采集装置发送的目标对象的识别信息之前，所述云端服务器向阈值范围内的采集装置发送第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，通过所述云端服务器中的收发器向阈值范围内的采集装置发送第一指示信息。
示例性的，因为云端服务器需要获取目标对象的识别信息时，为了有效的减少不必要的信令开销，以及为了提升接收到的目标对象的识别信息的有效性，可以预设一个阈值范围，向所述阈值范围内的采集装置发送第一指示信息。
较佳的，所述云端服务器可以获取所述目标对象的位置信息，以所述目标对象的位置为中心，基于所述中心，以及所述阈值范围，确定需要发送指示信息的区域。从而，所述云端服务器，向所述区域中的至少一个采集装置发送第一指示信息。
基于上述方法，通过设置阈值范围，有效的减少了不必要的信令开销，以及为了提升接收到的目标对象的识别信息的有效性。
在一种可能的实现方式中，所述云端服务器向阈值范围内的采集装置发送第一指示信息之前，所述云端服务器接收到小于阈值数量的采集装置发送的目标对象的识别信息。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，在通过收发器向阈值范围内的采集装置发送第一指示信息之前，通过所述收发器接收到小于阈值数量的采集装置发送的目标对象的识别信息。
示例性的，触发云端服务器向阈值范围内的采集装置发送第一指示信息的一种情况为，所述云端服务器通过所述收发器接收到小于阈值数量的采集装置发送的目标对象的识别信息，因所述云端服务器接收到的目标对象的识别信息的数量小于阈值数量，为了保证所述云端服务器确定所述目标对象的最终结果的有效性，所述云端服务器需要在获取一定数量的目标对象的识别信息，为此，所述云端服务器触发向阈值范围内的采集装置发送第一指示信息。
基于上述方法，云端服务器在确定接收到的目标对象的识别信息的数量小于阈值数量后，触发向阈值范围内的采集装置发送第一指示信息，从而能够使所述云端服务器获取到更多数量的目标对象的识别信息，有效提升了云端服务器确定目标对象的最终结果的准确性。
在一种可能的实现方式中，所述第一指示信息还用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
示例性的，本申请实施例中假设云端服务器预先设置的用于计算目标对象识别结果置信度值的置信度类型，例如，置信度类型1以及置信度类型2，则所述云端服务器可以通过向所述采集装置发送的第一指示信息，将设置的置信度类型发送给采集装置，从而使所述采集装置基于置信度类型1或置信度类型2确定所述目标对象识别结果的置信度值。
基于上述方法，云端服务器通过事先指示采集装置用于确定置信度值的置信度类型，可以使云端服务器上报的目标对象的识别结果得到的置信度值之间更加具有可比性，以及能有效避免云端服务器因不具有其他置信度类型确定置信度值的能力，使云端服务器无法解析接收到的置信度值。
需要说明的是，若云端服务器通过所述第一指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以自己选取用于确定置信度值的置信度类型，并将自己选取的置信度值上报给云端服务器；或者，若云端服务器通过所述第一指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以向云端服务器申请重新指示其他用于确定置信度值的置信度类型。其中，云端服务器可以仅向该采集装置发送新的置信度类型的通知，也可以重新向所有的采集装置发送新的置信度类型的通知。
在一种可能的实现方式中，所述云端服务器接收N个采集装置发送的目标对象的识别信息之前，所述云端服务器向阈值范围内的采集装置发送第二指示信息，所述第二指示信息用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
示例性的，本申请实施例中假设云端服务器预先设置的用于计算目标对象识别结果置信度值的置信度类型，例如，置信度类型1以及置信度类型2，则所述云端服务器可以通过向所述采集装置发送的第二指示信息，将设置的置信度类型发送给采集装置，从而使所述采集装置基于置信度类型1或置信度类型2确定所述目标对象识别结果的置信度值。
基于上述方法，云端服务器通过事先指示采集装置用于确定置信度值的置信度类型，可以使云端服务器上报的目标对象的识别结果得到的置信度值之间更加具有可比性，以及能有效避免云端服务器因不具有其他置信度类型确定置信度值的能力，使云端服务器无法解析接收到的置信度值。
需要说明的是，若云端服务器通过所述第二指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以自己选取用于确定置信度值的置信度类型，并将自己选取的置信度值上报给云端服务器；或者，若云端服务器通过所述第二指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以向云端服务器申请重新指示其他用于确定置信度值的置信度类型。其中，云端服务器可以仅向该采集装置发送新的置信度类型的通知，也可以重新向所有的采集装置发送新的置信度类型的通知。
在一种可能的实现方式中，所述M组中每组识别信息包含相同的置信度类型。
基于上述方法，分组后的每组目标对象的识别信息置信度类型相同，则同组之间的多个目标对象的置信度值可以直接进行比较，从而能够确定出每组中准确性最高的目标对象的识别信息。
在一种可能的实现方式中，所述云端服务器将每组中包含置信度值最大的识别信息确定为组识别信息。
基于上述方法，本申请实施例提供了一种确定组识别信息的方式，即将每组中包含置信度值最大的识别信息确定为组识别信息。
在一种可能的实现方式中，所述采集装置为移动采集装置和/或固定采集装置；所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
基于上述方法，本申请实施例提供了一种采集装置的情况，例如，所述采集装置为移动采集装置和/或固定采集装置，所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
在一种可能的实现方式中，所述云端服务器根据所述目标对象的最终结果，更新所述目标对象所在的地图区域，并将更新后的地图区域通知给至少一个采集装置。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，在通过处理器确定所述目标对象的最终结果与所述地图区域中所述目标对象的内容不同时，更新所述目标对象所在的地图区域，并将更新后的地图区域通过所述收发器通知给所述至少一个采集装置。或者；
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，直接通过处理器根据所述目标对象的最终结果对所述目标对象所在的地图区域进行更新，并将更新后的地图区域通过所述收发器通知给所述至少一个采集装置。
需要说明的是，本申请实施例更新地图的区域范围可以根据实际情况进行确定，本申请实施例并不限定确定更新地图区域的范围。
基于上述方法，云端服务器及时的根据确定的目标对象的最终结果，对所述目标对象所在的地图区域进行更新，并将更新后的地图区域通知给采集装置，能够及时的对地图中的信息进行维护，保障了地图信息的有效性、实时性。
第二方面，本申请实施例提供一种上报信息的处理方法，包括：
云端服务器接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值，其中，N个识别信息中的置信度值是通过同一置信度类型确定的；所述云端服务器选取N个识别信息中包含置信度值最大的识别信息；所述云端服务器将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
其中，可选的，当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，通过所述云端服务器中的收发器接收来自N个采集装置的目标对象的N个识别信息，然后，通过云端服务器中的处理器对接收到的N个识别信息处理，例如，通过所述处理器将接收到的N个识别信息分成M组，确定所述M组中每组对应的组识别信息，从M组识别信息中选取一组识别信息，以及将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
基于上述方法，本申请实施例中，云端服务器接收到的至少一个目标对象的识别信息是通过同一置信度类型确定的，所述云端服务器可以直接将接收到的识别信息中的置信度值进行比较，从而将置信度值最大的识别信息中的识别结果确定为所述目标对象的最终结果，有效提高了结果的准确性。
在一种可能的实现方式中，所述N个识别信息是所述云端服务器在阈值时长内接收到的。
其中，可选的，所述云端服务器中可以设置定时器，所述定时器的定时时长为阈值时长。
示例性的，所述云端服务器可以在接收到第一个采集装置发送的目标对象的识别信息后，开启所述定时器，当所述定时器运行结束后，停止接收采集装置发送的目标对象的识别信息。
基于上述方法，通过设置阈值时长，限定所述云端服务器接收所述采集装置发送的目标对象的识别信息的时间，从而有效避免云端服务器无限制的等待采集装置发送的目标对象的识别信息，无法及时的确定所述目标对象的最终结果。
在一种可能的实现方式中，所述云端服务器接收N个采集装置发送的目标对象的识别信息之前，所述云端服务器向阈值范围内的采集装置发送第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，通过所述云端服务器中的收发器向阈值范围内的采集装置发送第一指示信息。
示例性的，因为云端服务器需要获取目标对象的识别信息时，为了有效的减少不必要的信令开销，以及为了提升接收到的目标对象的识别信息的有效性，可以预设一个阈值范围，向所述阈值范围内的采集装置发送第一指示信息。
较佳的，所述云端服务器可以获取所述目标对象的位置信息，以所述目标对象的位置为中心，基于所述中心，以及所述阈值范围，确定需要发送指示信息的区域。从而，所述云端服务器，向所述区域中的至少一个采集装置发送第一指示信息。
基于上述方法，通过设置阈值范围，有效的减少了不必要的信令开销，以及为了提升接收到的目标对象的识别信息的有效性。
在一种可能的实现方式中，所述云端服务器向阈值范围内的采集装置发送第一指示信息之前，所述云端服务器接收到小于阈值数量的采集装置发送的目标对象的识别信息。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，在通过收发器向阈值范围内的采集装置发送第一指示信息之前，通过所述收发器接收到小于阈值数量的采集装置发送的目标对象的识别信息。
示例性的，触发云端服务器向阈值范围内的采集装置发送第一指示信息的一种情况为，所述云端服务器通过所述收发器接收到小于阈值数量的采集装置发送的目标对象的识别信息，因所述云端服务器接收到的目标对象的识别信息的数量小于阈值数量，为了保证所述云端服务器确定所述目标对象的最终结果的有效性，所述云端服务器需要在获取一定数量的目标对象的识别信息，为此，所述云端服务器触发向阈值范围内的采集装置发送第一指示信息。
基于上述方法，云端服务器在确定接收到的目标对象的识别信息的数量小于阈值数量后，触发向阈值范围内的采集装置发送第一指示信息，从而能够使所述云端服务器获取到更多数量的目标对象的识别信息，有效提升了云端服务器确定目标对象的最终结果的准确性。
在一种可能的实现方式中，所述第一指示信息还用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
示例性的，本申请实施例中假设云端服务器预先设置的用于计算目标对象识别结果置信度值的置信度类型，例如，置信度类型1以及置信度类型2，则所述云端服务器可以通过向所述采集装置发送的第一指示信息，将设置的置信度类型发送给采集装置，从而使所述采集装置基于置信度类型1或置信度类型2确定所述目标对象识别结果的置信度值。
基于上述方法，云端服务器通过事先指示采集装置用于确定置信度值的置信度类型，可以使云端服务器上报的目标对象的识别结果得到的置信度值之间更加具有可比性，以及能有效避免云端服务器因不具有其他置信度类型确定置信度值的能力，使云端服务器无法解析接收到的置信度值。
需要说明的是，若云端服务器通过所述第一指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以自己选取用于确定置信度值的置信度类型，并将自己选取的置信度值上报给云端服务器；或者，若云端服务器通过所述第一指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以向云端服务器申请重新指示其他用于确定置信度值的置信度类型。其中，云端服务器可以仅向该采集装置发送新的置信度类型的通知，也可以重新向所有的采集装置发送新的置信度类型的通知。
在一种可能的实现方式中，所述云端服务器接收N个采集装置发送的目标对象的识别信息之前，所述云端服务器向阈值范围内的采集装置发送第二指示信息，所述第二指示信息用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
示例性的，本申请实施例中假设云端服务器预先设置的用于计算目标对象识别结果置信度值的置信度类型，例如，置信度类型1以及置信度类型2，则所述云端服务器可以通过向所述采集装置发送的第二指示信息，将设置的置信度类型发送给采集装置，从而使所述采集装置基于置信度类型1或置信度类型2确定所述目标对象识别结果的置信度值。
基于上述方法，云端服务器通过事先指示采集装置用于确定置信度值的置信度类型，可以使云端服务器上报的目标对象的识别结果得到的置信度值之间更加具有可比性，以及能有效避免云端服务器因不具有其他置信度类型确定置信度值的能力，使云端服务器无法解析接收到的置信度值。
需要说明的是，若云端服务器通过所述第二指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以自己选取用于确定置信度值的置信度类型，并将自己选取的置信度值上报给云端服务器；或者，若云端服务器通过所述第二指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以向云端服务器申请重新指示其他用于确定置信度值的置信度类型。其中，云端服务器可以仅向该采集装置发送新的置信度类型的通知，也可以重新向所有的采集装置发送新的置信度类型的通知。
在一种可能的实现方式中，所述采集装置为移动采集装置和/或固定采集装置；所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
基于上述方法，本申请实施例提供了一种采集装置的情况，例如，所述采集装置为移动采集装置和/或固定采集装置，所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
在一种可能的实现方式中，所述云端服务器根据所述目标对象的最终结果，更新所述目标对象所在的地图区域，并将更新后的地图区域通知给至少一个采集装置。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，在通过处理器确定所述目标对象的最终结果与所述地图区域中所述目标对象的内容不同时，更新所述目标对象所在的地图区域，并将更新后的地图区域通过所述收发器通知给所述至少一个采集装置。或者；
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的云端服务器，直接通过处理器根据所述目标对象的最终结果对所述目标对象所在的地图区域进行更新，并将更新后的地图区域通过所述收发器通知给所述至少一个采集装置。
需要说明的是，本申请实施例更新地图的区域范围可以根据实际情况进行确定，本申请实施例并不限定确定更新地图区域的范围。
基于上述方法，云端服务器及时的根据确定的目标对象的最终结果，对所述目标对象所在的地图区域进行更新，并将更新后的地图区域通知给采集装置，能够及时的对地图中的信息进行维护，保障了地图信息的有效性、实时性。
第三方面，本申请实施例提供一种上报信息的处理方法，包括：
采集装置确定目标对象的识别信息，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；所述采集装置将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域。
其中，可选的，当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的采集装置，通过所述采集装置中的摄像器和/或传感器，采集所述目标对象，并将所述目标对象的采集信息发送给所述采集装置的处理器。所述采集装置根据处理器确定所述目标对象的识别信息，并将所述目标对象的识别信息发送给云端服务器。
基于上述方法，本申请实施例中，采集装置向云端服务器上报的目标对象的识别信息中，包含用于确定置信度值的置信度类型，则云端服务器可以根据接收到的识别信息中的置信度类型对接收到的目标对象的识别信息进行分组比较，从而得到更加准确的所述目标对象的最终结果，有效提高了结果的准确性。
在一种可能的实现方式中，所述采集装置确定目标对象的识别信息之前，所述采集装置接收来自所述云端服务器的第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的采集装置，在接收到所述云端服务器发送的第一指示信息后，触发确定所述目标对象的识别信息。
基于上述方法，本申请实施例提供了一种触发采集装置确定所述目标对象的识别信息的方法。
在一种可能的实现方式中，所述采集装置确定目标对象的识别信息之前，所述采集装置确定获取到的所述目标对象的识别结果，与所述采集装置应用的地图中所述目标对象对应区域指示的内容并不相同。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的采集装置，在确定获取到的所述目标对象的识别结果，与所述采集装置应用的地图中所述目标对象对应区域指示的内容并不相同后，触发确定所述目标对象的识别信息。
基于上述方法，本申请实施例提供了另一种触发采集装置确定所述目标对象的识别信息的方法。
在一种可能的实现方式中，所述第一指示信息还用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
示例性的，本申请实施例中假设云端服务器预先设置的用于计算目标对象识别结果置信度值的置信度类型，例如，置信度类型1以及置信度类型2，则所述云端服务器可以通过向所述采集装置发送的第一指示信息，将设置的置信度类型发送给采集装置，从而使所述采集装置基于置信度类型1或置信度类型2确定所述目标对象识别结果的置信度值。
基于上述方法，云端服务器通过事先指示采集装置用于确定置信度值的置信度类型，可以使云端服务器上报的目标对象的识别结果得到的置信度值之间更加具有可比性，以及能有效避免云端服务器因不具有其他置信度类型确定置信度值的能力，使云端服务器无法解析接收到的置信度值。
需要说明的是，若云端服务器通过所述第一指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以自己选取用于确定置信度值的置信度类型，并将自己选取的置信度值上报给云端服务器；或者，若云端服务器通过所述第一指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以向云端服务器申请重新指示其他用于确定置信度值的置信度类型。其中，云端服务器可以仅向该采集装置发送新的置信度类型的通知，也可以重新向所有的采集装置发送新的置信度类型的通知。
在一种可能的实现方式中，所述采集装置确定目标对象的识别信息之前，所述采集装置接收来自所述云端服务器的第二指示信息，所述第二指示信息用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
示例性的，本申请实施例中假设云端服务器预先设置的用于计算目标对象识别结果置信度值的置信度类型，例如，置信度类型1以及置信度类型2，则所述云端服务器可以通过向所述采集装置发送的第二指示信息，将设置的置信度类型发送给采集装置，从而使所述采集装置基于置信度类型1或置信度类型2确定所述目标对象识别结果的置信度值。
基于上述方法，云端服务器通过事先指示采集装置用于确定置信度值的置信度类型，可以使云端服务器上报的目标对象的识别结果得到的置信度值之间更加具有可比性，以及能有效避免云端服务器因不具有其他置信度类型确定置信度值的能力，使云端服务器无法解析接收到的置信度值。
需要说明的是，若云端服务器通过所述第二指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以自己选取用于确定置信度值的置信度类型，并将自己选取的置信度值上报给云端服务器；或者，若云端服务器通过所述第二指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以向云端服务器申请重新指示其他用于确定置信度值的置信度类型。其中，云端服务器可以仅向该采集装置发送新的置信度类型的通知，也可以重新向所有的采集装置发送新的置信度类型的通知。
在一种可能的实现方式中，所述采集装置为移动采集装置和/或固定采集装置；所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
基于上述方法，本申请实施例提供了一种采集装置的情况，例如，所述采集装置为移动采集装置和/或固定采集装置，所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
第四方面，本申请实施例提供一种上报信息的处理方法，包括：
采集装置确定目标对象的识别信息，所述识别信息包括目标对象的识别结果以及识别结果的置信度值，其中，所述识别结果的置信度值是通过预设置信度类型确定的；所述采集装置将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域。
其中，可选的，当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的采集装置，通过所述采集装置中的摄像器和/或传感器，采集所述目标对象，并将所述目标对象的采集信息发送给所述采集装置的处理器。所述采集装置根据处理器确定所述目标对象的识别信息，并将所述目标对象的识别信息发送给云端服务器。
基于上述方法，本申请实施例中，采集装置向云端服务器上报的目标对象的识别信息中，包含所述识别结果的置信度值是通过预设置信度类型确定的，则云端服务器可以直接对接收到的识别信息进行比较，从而得到更加准确的所述目标对象的最终结果，有效提高了结果的准确性。
在一种可能的实现方式中，所述采集装置确定目标对象的识别信息之前，所述采集装置接收来自所述云端服务器的第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的采集装置，在接收到所述云端服务器发送的第一指示信息后，触发确定所述目标对象的识别信息。
基于上述方法，本申请实施例提供了一种触发采集装置确定所述目标对象的识别信息的方法。
在一种可能的实现方式中，所述采集装置确定目标对象的识别信息之前，所述采集装置确定获取到的所述目标对象的识别结果，与所述采集装置应用的地图中所述目标对象对应区域指示的内容并不相同。
当上述方法是由所述上报信息的处理系统执行时，所述上报信息的处理系统中的采集装置，在确定获取到的所述目标对象的识别结果，与所述采集装置应用的地图中所述目标对象对应区域指示的内容并不相同后，触发确定所述目标对象的识别信息。
基于上述方法，本申请实施例提供了另一种触发采集装置确定所述目标对象的识别信息的方法。
在一种可能的实现方式中，所述第一指示信息还用于指示预设置信度类型为第一置信度类型。
示例性的，本申请实施例中假设云端服务器预先设置的用于计算目标对象识别结果置信度值的置信度类型为第一置信度类型，例如，置信度类型为置信度类型1，则所述云端服务器可以通过向所述采集装置发送的第一指示信息，将设置的置信度类型发送给采集装置，从而使所述采集装置基于置信度类型1确定所述目标对象识别结果的置信度值。
基于上述方法，云端服务器通过事先指示采集装置用于确定置信度值的置信度类型，可以使云端服务器上报的目标对象的识别结果得到的置信度值之间更加具有可比性。
需要说明的是，若云端服务器通过所述第一指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以自己选取用于确定置信度值的置信度类型，并将自己选取的置信度值上报给云端服务器；或者，若云端服务器通过所述第一指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以向云端服务器申请重新指示其他用于确定置信度值的置信度类型。其中，云端服务器可以仅向该采集装置发送新的置信度类型的通知，也可以重新向所有的采集装置发送新的置信度类型的通知。
在一种可能的实现方式中，所述采集装置接收来自所述云端服务器的第二指示信息，所述第二指示信息用于指示预设置信度类型为第一置信度类型。
示例性的，本申请实施例中假设云端服务器预先设置的用于计算目标对象识别结果置信度值的置信度类型为第一置信度类型，例如，置信度类型1，则所述云端服务器可以通过向所述采集装置发送的第二指示信息，将设置的置信度类型发送给采集装置，从而使所述采集装置基于置信度类型1确定所述目标对象识别结果的置信度值。
基于上述方法，云端服务器通过事先指示采集装置用于确定置信度值的置信度类型，可以使云端服务器上报的目标对象的识别结果得到的置信度值之间更加具有可比性。
需要说明的是，若云端服务器通过所述第二指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以自己选取用于确定置信度值的置信度类型，并将自己选取的置信度值上报给云端服务器；或者，若云端服务器通过所述第二指示信息指示给采集装置的用于确定置信度值的置信度类型，是所述采集装置无法执行的置信度类型，则该采集装置可以向云端服务器申请重新指示其他用于确定置信度值的置信度类型。其中，云端服务器可以仅向该采集装置发送新的置信度类型的通知，也可以重新向所有的采集装置发送新的置信度类型的通知。
在一种可能的实现方式中，所述采集装置为移动采集装置和/或固定采集装置；所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
基于上述方法，本申请实施例提供了一种采集装置的情况，例如，所述采集装置为移动采集装置和/或固定采集装置，所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
第五方面，本申请实施例还提供一种上报信息的处理装置，该装置可以用来执行上述第一方面及第四方面的任意可能的实现方式中的操作。例如，所述装置可以包括用于执行上述第一方面或第一方面的任意可能的实现方式中的各个操作的模块或单元。比如包括收发模块和处理模块。
第六方面，本申请实施例提供了一种芯片系统，包括处理器，可选的还包括存储器；其中，存储器用于存储计算机程序，处理器用于从存储器中调用并运行计算机程序，使得安装有芯片系统的上报信息的处理装置执行上述第一方面或第四方面的任意可能的实现方式中的任一方法。
第七方面，本申请实施例提供了一种车辆，至少一个摄像器，至少一个存储器，至少一个收发器以及至少一个处理器；
所述摄像器，用于对目标对象进行采集，获取所述目标对象的至少一张图像；
所述存储器，用于存储一个或多个程序以及数据信息；其中所述一个或多个程序包括指令；
所述处理器，用于根据所述至少一张图像确定所述目标对象的识别信息，所述识别信息包括所述目标对象的识别结果，识别结果的置信度值以及用于确定所述置信度值的类型；
所述收发器，用于将所述目标对象的识别信息发送给云端服务器。
在一种可能的实现方式中，所述车辆还包括显示屏，语音播报装置以及至少一个传感器；
所述显示屏，用于显示所述目标对象的图像；
所述语音播报装置，用于播报所述目标对象的识别结果；
所述传感器，用于对所述目标对象的位置、距离以及其他表征信息进行检测识别。
其中，本申请实施例中所述的摄像器可以是驾驶员监测系统的摄像机、座舱型摄像机、红外摄像机、行车记录仪(即录像终端)、倒车影像摄像头等，具体本申请实施例不进行限制。
所述摄像器的拍摄区域可以为所述车辆的外部环境。例如，当车辆前行时，所述拍摄区域为车头前方区域；当车辆进行倒车，所述拍摄区域为车尾后方区域；当所述摄像器为360度多角度摄像器时，所述拍摄区域可以为所述车辆周边360度区域等。
本申请实施例中所述的传感器可以是光电抄/光敏传感器、超声波/声敏传感器、测距/距离传感器、视觉/图像传感器等一种或多种。
第八方面，本申请实施例提供了第一种上报信息的处理系统，所述系统包括云端服务器以及采集装置；
所述采集装置，用于确定目标对象的识别信息，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域；
所述云端服务器，用于接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；根据识别信息中的置信度类型将接收到的N个识别信息分成M组，M为不大于N的正整数；确定所述M组中每组对应的组识别信息；从M组识别信息中选取一组识别信息，以及将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
第九方面，本申请实施例提供了第二种上报信息的处理系统，所述系统包括云端服务器以及采集装置；
所述采集装置，用于确定目标对象的识别信息，所述识别信息包括目标对象的识别结果以及识别结果的置信度值，其中，所述识别结果的置信度值是通过预设置信度类型确定的；将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域；
所述云端服务器，用于接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值，其中，N个识别信息中的置信度值是通过预设置信度类型确定的；选取N个识别信息中包含置信度值最大的识别信息；将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
第十方面，本申请实施例提供了一种计算机程序产品，计算机程序产品包括：计算机程序代码，当计算机程序代码被上报信息的处理装置的通信模块、处理模块或收发器、处理器运行时，使得所述上报信息的处理装置执行上述第一方面或第四方面的任意可能的实现方式中的任一方法。
第十一方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有程序，程序使得上报信息的处理装置执行上述第一方面或第四方面的任意可能的实现方式中的任一方法。
附图说明
图1为现有采集装置识别目标对象的场景示意图；
图2为现有上报信息的处理场景示意图；
图3为本申请实施例提供的一种用于上报信息处理的系统示意图；
图4为本申请实施例提供的一种自动驾驶场景示意图；
图5为本申请实施例提供的第一种应用场景示意图；
图6为本申请提供的一种车辆示意图；
图7为本申请实施例提供的第二种应用场景示意图；
图8为本申请实施例提供的第一种上报信息的处理方法示意图；
图9为本申请实施例提供的第三种应用场景示意图；
图10为本申请实施例提供的第二种上报信息的处理方法示意图；
图11为本申请实施例提供的第四种应用场景示意图；
图12为本申请实施例提供的第三种上报信息的处理方法示意图；
图13为本申请实施例提供的第四种上报信息的处理方法示意图；
图14为本申请提供的第一种上报信息处理装置示意图；
图15为本申请提供的第二种上报信息处理装置示意图。
具体实施方式
在出行过程中，经常会应用到高精地图，来帮助出行者以及自动驾驶车辆做出更加精准的决策。因此，对于高精地图的准确性的要求也越来越高，在应用过程中，为了保证高精地图的准确性，需要及时的根据道路实际情况对高精地图进行更新。
其中，高精地图的数据信息采集模式可以分为集中采集和众包采集两种。在采集过程中，为了更好的保证数据的精度，以及节省采集的成本，往往采用两种模式结合的解决方案。例如，首先用集中采集模式绘制出高精度地图的静态部分，然后采用众包采集模式对绘制出的高精地图进行更新完善。
然而，在众包采集模式中，由于需要收集众多车辆上报的目标识别信息，而不同车辆的识别能力和识别精度有所不同，因此，不同车辆针对同一目标对象上报的识别结果经常会存在差异，由此产生冲突。
示例性的，假设，如图1所示，目标对象为公路旁的一个60千米/小时(km/h)的限速标志，其中，一个车辆(例如，车辆A)将该目标对象识别为60km/h的限速标志，另一个车辆(例如，车辆B)可能因识别精度的问题，错误地将该目标对象识别为80km/h的限速标志，云端服务器收到同一个目标对象的不同识别结果后，需要判断采信哪一个结果并将其更新到地图中，若选取不当可能会导致错误的地图更新，从而对交通安全造成隐患。
现有为解决众包制图的识别冲突问题，业界提出了一种基于置信度的处理方法。
示例性的，车辆在对目标对象进行识别时，除了获得所述目标对象的识别结果外，还会计算出这个识别结果的置信度值。在车辆向云端服务器上报所述目标对象的识别信息中，不仅包含所述目标对象的识别结果，还包含所述识别结果的置信度值。
当云端服务器收到不同车辆针对同一目标对象分别上报的识别信息时，云端服务器可以参考车辆上报的识别信息中的置信度值，来进一步确定选取哪个识别信息中的识别结果作为该目标对象在地图中的展示的最终结果。
例如，一种处理方法为从接收到的多个识别信息中选取置信度值最高的识别信息对应的识别结果。
其中，如图2所示，假设针对同一目标对象，车辆A针对该目标对象上报的识别信息的内容包括：所述目标对象的识别结果为限速指示牌，且限速指示为60km/h，所述识别结果的置信度值为60％；车辆B针对该目标对象上报的识别信息的内容包括：所述目标对象的识别结果为限速指示牌，且限速指示为80km/h，所述识别结果的置信度值为70％；车辆C针对该目标对象的上报的识别信息的内容包括：所述目标对象的识别结果为广告牌，所述识别结果的置信度值为80％。
因此，云端服务器可以采信置信度值最高的识别结果，即选择车辆C对所述目标对象上报的识别结果，将所述目标对象确定为广告牌并更新地图。
但是，上述针对上报信息的处理方法有一个明显的缺陷，即由于车辆不同，每个车辆用于确定目标对象的识别结果的置信度值的计算方法可能不同，不同计算方法得到的置信度值的含义可能有较大差异。因此，不同车辆上报的置信度值往往无法直接比较。
例如，假设对同一个目标对象，车辆A用方法A对得到的目标对象的识别结果进行计算，确定所述识别结果的置信度值是60％；车辆B用方法B对得到的目标对象的识别结果进行计算，确定所述识别结果的置信度值是70％。
其中，单纯的比较两个车辆上报的置信度值的数值大小，可能会得到车辆B上报的所述目标对象的识别结果更可信。
但是，若假设车辆B采用与车辆A相同的确定置信度值的方法，对所述识别结果进行计算，计算得到的识别结果的置信度值可能是50％。这样一来，结合车辆A得到的识别结果的置信度值可知，车辆A上报的识别结果更加可信，而若将车辆B得到的识别结果确定为所述目标对象的最终结果，则存在误判，若根据误判得到的识别结果对地图进行更新，因更新的内容是错误的内容，很容易产生安全隐患。
也就是说，现有上报信息的处理方法，经常会因为上报车辆针对同一目标对象采用的置信度值的计算方法不同，导致上报车辆间置信度值的大小关系不能真实反映可信程度，由此可能带来误判风险。
综上所述，目前针对众包采集模式下同一目标识别信息的多个上报结果，并没有准确有效的处理方法。
为解决该问题，本申请实施例提供一种上报信息的处理方法和装置，用以提供一种高效、准确的进行上报信息处理，减少上报信息处理不当，造成的误判情况。
本申请实施例的技术方案可以应用于各种通信系统，例如：长期演进(long termevolution，LTE)系统，全球互联微波接入(worldwide interoperability for microwaveaccess，WiMAX)通信系统，未来的第五代(5th Generation，5G)系统，如新一代无线接入技术(new radio access technology，NR)，及未来的通信系统，如6G系统等。
以5G系统(也可以称为New Radio系统)为例，具体来说，本申请实施例中主要在上报信息处理过程中，获取上报信息中针对同一目标不同车辆的上报的识别结果的置信度值的计算方法，从而将采用同一置信度计算方法得到的置信度值进行比较。
为便于理解本申请实施例，本申请实施例提供了一种用于上报信息的处理系统，如图3所示，该上报信息的处理系统包括采集装置300和云端服务器310。
采集装置300，用于对目标对象进行采集，确定所述目标对象的识别信息。
其中，所述识别信息包含所述目标对象的识别结果，根据预设置信度类型确定的所述识别结果的置信度值；或者，所述识别信息包含所述目标对象的识别结果，所述识别结果的置信度值，以及用于确定所述置信度值的置信度类型。
本申请实施例中，如图3中的(a)所示，所述采集装置300可以为移动采集装置，例如车辆。
一种可选的方式，本申请实施例中的所述车辆，具有采集图像、信息处理以及通信功能。
示例性的，如图4所示，为本申请实施例的一种可能的应用场景示意图。上述应用场景可以为无人驾驶、自动驾驶、智能驾驶、网联驾驶等。所述目标检测跟踪的系统可以安装在机动车辆(例如无人车、智能车、电动车、数字汽车等)、无人机、轨道车、自行车、信号灯、测速装置或网络设备(如各种系统中的基站、终端设备)等等。
此外，如图3中的(b)所示，本申请实施例中的采集装置300还可以为固定采集装置。
其中，本申请实施例中一种可选的固定采集装置可以为具有摄像功能、至少一种传感器以及通信功能的装置。
例如，本申请实施例中所述固定采集装置为安装于道路的RSU等。
示例性的，本申请实施例中的所述固定采集装置为摄像机，至少一种传感器以及通信装置组合构成的系统，即三个装置独立存在，将三个装置整体称为固定采集装置；或者，本申请实施例中所述固定采集装置可以是将摄像机，至少一张传感器以及通信装置集成在一起后的装置。
此外，如图3中的(c)所示，本申请实施例中的采集装置300还可以为移动采集装置与固定采集装置的结合。
本申请实施例中为了简洁介绍，选取车辆作为采集装置进行介绍，其中，为简洁描述，当采集装置仅包括固定采集装置，或者，采集装置包括固定采集装置和移动采集装置时，执行上报信息的处理方法的内容具体参见采集装置为车辆进行上报信息出来的内容。
云端服务器310，也可以称为接收端，具有对信息分析处理以及与其他装置进行通信的能力。
本申请实施例一种可选的方式，所述云端服务器为中央处理器；或者，所述云端服务器为服务器中的处理芯片。
其中，所述云端服务器310负责接收所述采集装置300发送的目标对象的识别信息，根据所述目标对象的识别信息确定是否需要更新对应的地图内容，以及在完成对地图内容更新后，将更新的地图内容通知给相应的采集装置。
其中，本申请实施例描述的系统架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定。
例如，在后续的发展中，所述采集装置可以是移动采集装置与固定采集装置的集合。
再例如，在后续的发展过程中，可能还存在第三方应用设备的介入。
示例性的，如图5所示，假设采集装置为车辆，第三方应用设备为针对地图场景下的虚拟实景VR展示设备时，云端服务器在确定地图内容需要更新，且完成地图更新后，还可以将更新后的地图信息发送给所述第三方应用设备，从而使用户在应用第三方设备进行虚拟体验时，获取的信息更加准确真实。
其中，本申请实施例提供了一种车辆的内部构造，如图6所示，具体并不限于下述内容。
所述车辆600包括摄像器610，传感器620、存储器630，处理器640、收发器650。
所述摄像器610，用于获取目标对象的图像。
其中，本申请实施例中的摄像器可以是驾驶员监测系统的摄像机、座舱型摄像机、红外摄像机、行车记录仪(即录像终端)、倒车影像摄像头等，具体本申请实施例不进行限制。所述摄像器的拍摄区域可以为所述车辆的外部环境。
所述传感器620，用于获取所述目标对象的表征信息，从而辅助所述处理器确定所述目标对象的识别结果。
其中，所述目标对象的表征信息主要用于表示所述目标对象的外部特征，以及位置信息等。例如，所述目标对象的表征信息包括所述目标对象的大小、颜色、形状、摆放位置等。
例如，本申请实施例中所述的传感器可以包括光电抄/光敏传感器、超声波/声敏传感器、测距/距离传感器、视觉/图像传感器、陀螺仪传感器等一种或多种。
需要说明的是，本申请实施例中，所述摄像器与所述传感器可以结合使用，对所述目标对象进行信息采集，具体结合方式和/或采集方式本申请不进行限定，任何能够应用于本申请实施例中对目标对象的采集方式都适用于本申请实施例。
所述存储器630，用于存储一个或多个程序以及数据信息；其中所述一个或多个程序包括指令。
其中，本申请实施例中所述数据信息可以包括用于确定识别结果置信度值的算法信息等。
所述处理器640，用于获取目标对象的采集信息，根据所述目标对象的采集信息，确定目标对象的识别信息，其中，所述识别信息包含所述目标对象的识别结果，所述处理器640根据预设置信度类型确定的所述识别结果的置信度值；或者，所述识别信息包含所述目标对象的识别结果，所述处理器640确定的识别结果的置信度值，以及用于确定所述置信度值的置信度类型。
示例性的，本申请实施例中所述处理器640根据收发器650从所述摄像器610和/或所述传感器620获取所述目标对象的采集信息；或者，本申请实施例中所述处理器640根据与所述摄像器610和/或所述传感器620连接的通信接口，获取所述目标对象的采集信息。
所述收发器650，用于与云端服务器进行信息传输，以及用于与其他车辆等通信装置进行信息传输。
其中，本申请实施例一种可选的方式，所述收发器用于将所述车辆确定的目标对象的识别信息上报给云端服务器。
其中，本申请实施例描述的系统架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定。进一步的，本领域普通技术人员可知，随着网络架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。应理解，图3至图6仅为便于理解而示例的简化示意图，该系统架构中还可以包括其他设备或者还可以包括其他单元模块。
以下再对本申请实施例中涉及的部分用语进行解释说明，以便于理解。
1)置信度值(confidence)，本申请实施例中一种可选的情况，所述置信度值用于度量识别结果的可信程度。
其中，目前业界计算置信度值的方法有多种，至少包括以下几种：
基于贝叶斯分类方法直接得到的后验概率，基于神经网络或其他方法得到的对后验概率的估计，基于算法随机性理论得到的随机性度量值，基于模糊数学得到的隶属度值，通过多次测试实验统计得到的准确率等。
需要说明的是，本申请实施例中所述置信度的计算方法并不限于上述几种，任何可以用于确定置信度值的计算方法都可以应用到本申请实施例中，都属于本申请实施例保护范围。
2)同类融合，本申请实施例中一种可选方式，所述同类融合是指将通过同一置信度类型得到的目标对象识别结果的置信度值进行比较，融合。
示例性的，本申请实施例中在进行同类融合时，可以直接参考置信度值大小得到同类融合的结果。
例如，车辆A对目标对象的识别结果，通过置信度类型1计算得到的置信度值为60％；车辆B对目标对象的识别结果，通过置信度类型1计算得到的置信度值为70％；车辆C对目标对象的识别结果，通过置信度类型1计算得到的置信度值为75％。
其中，因为车辆A、B、C对目标对象的识别结果都采用置信度类型1来计算置信度值。因此，所述车辆A、B、C在进行置信度值比较时，可以进行同类融合。
也就是说，云端服务器在接收到车辆A、B、C上报的所述目标对象的识别信息后，可以直接比较车辆A、B、C的置信度值大小。从接收到的目标对象的识别信息中，选取置信度值最大的识别信息对应的识别结果作为所述车辆A、B、C中确定的所述目标对象的最终结果。即，所述云端服务器根据所述车辆A、B、C上报的目标对象的识别信息，确定所述目标对象的最终结果时，将所述车辆C上报的识别信息中的识别结果确定为所述目标对象的最终结果。
3)异类融合，本申请实施例中一种可选方式，所述同类融合是指将通过不同置信度类型得到的目标对象识别结果的置信度值进行比较，融合。
本申请实施例中一种应用场景下，假设，车辆A对目标对象的识别结果通过置信度类型1计算得到的，且置信度值为60％；车辆B对目标对象的识别结果通过置信度类型2计算得到的，且置信度值为70％；车辆C对目标对象的识别结果通过置信度类型3计算得到的，且置信度值为75％。
在该场景中，云端服务器接收到的三台车辆上报的置信度值是通过不同的置信度类型计算得到的，因此，云端服务器直接针对三台车辆上报的置信度值进行异类融合。
本申请实施例中另一种应用场景下，假设，车辆A对目标对象的识别结果通过置信度类型1计算得到的，且置信度值为60％；车辆B对目标对象的识别结果通过置信度类型1计算得到的，且置信度值为70％；车辆C对目标对象的识别结果通过置信度类型2计算得到的，且置信度值为75％；车辆D对目标对象的识别结果通过置信度类型2计算得到的，且置信度值为65％。
在该场景中，云端服务器接收到的四台车辆上报的置信度值中，车辆A与车辆B上报的置信度值是根据相同置信度类型计算得到的，车辆C与车辆D上报的置信度值是根据相同置信度类型计算得到。
因此，云端服务器需要先进行同类融合，即先根据同类融合的方式，确定车辆A与车辆B的融合结果，以及确定车辆C与车辆D的融合结果。可以理解为，将接收到的不同车辆上报的目标对象的识别信息进行分组，其中，根据置信度类型，将车辆A与车辆B上报的目标对象的识别信息分为一组，将车辆C与车辆D上报的目标对象的识别信息分为一组。
其中，根据上述同类融合的介绍可知，云端服务器在车辆A与车辆B中，车辆B的置信度值最大，则选取所述车辆B上报的识别信息作为该组同类融合的结果，可以理解为，将所述车辆B上报的识别信息作为该组的组识别信息；云端服务器在车辆C与车辆D中，车辆C的置信度值最大，则选取所述车辆C上报的识别信息作为该组同类融合的结果，可以理解为，将所述车辆C上报的识别信息作为该组的组识别信息。
然后，云端服务器将车辆B与车辆C继续进行异类融合。可以理解为，云端服务器将同类融合得到的两个同类融合的结果(即两组对应的组识别信息)继续进行异类融合。
此外，在实际情况中，云端服务器在进行异类融合时，可以结合其他信息进行融合。
本申请实施例中的所述其他信息可以包括历史统计信息和车辆相关的其他参数等，具体并不进行限定。
本申请实施例一种可选的方式，云端服务器结合历史车辆上报的准确率进行分析，云端服务器可以将车辆上报的置信度值以及历史上报准确率进行加权求和，得到一个评判值，从而在进行异类融合时，根据每个车辆对应的评判值，确定最终采用的车辆上报的识别结果。
示例性的，假设车辆A针对目标对象的上报的识别结果的置信度值为80％，云端服务器通过查询车辆A的历史上报准确率，得到所述车辆A的历史上报准确率为90％，然后通过设定的加权求和算法，能够得到该车辆A的评判值为85％。
4)置信度类型，本申请实施例中所述置信度类型可以理解为用于计算置信度值的计算方法。
其中，本申请实施例中目标对象的识别信息中包含的置信度类型的表示方式有多种，具体并不限于下述几种。
表示方式1：目标对象的识别信息中包含置信度类型对应的标识，以此表示用于计算置信度值的置信度类型。
其中，所述置信度类型对应的标识有多种，具体并不限于下述几种：
a、将置信度类型对应的名称作为该置信度类型的标识。
例如，车辆直接将用于计算目标识别结果的置信度值的方法名称作为置信度类型。
示例性的，假设车辆A采用贝叶斯分类方法来计算目标对象识别结果的置信度值，则车辆A上报的识别信息中包含文本表述的贝叶斯分类方法，以此表示采用贝叶斯分类方法的置信度类型来确定置信度值。
b、置信度类型对应的关键字作为该置信度类型的标识。
示例性的，假设，设置了如表1所示的置信度类型与关键字的对应关系。
Figure BDA0002713080130000201
表1置信度值计算方法与关键字的对应关系
示例性的，假设车辆A对目标对象识别结果的置信度值是通过贝叶斯学习方法直接计算得到，则车辆A上报的识别信息中包含文本表述的后验概率，以此表示采用贝叶斯分类方法的置信度类型来确定置信度值。
c、置信度类型对应的序号作为该置信度类型的标识。
示例性的，假设，设置了如表2所示的置信度类型与序号的对应关系。
Figure BDA0002713080130000202
表2置信度值计算方法与序号的对应关系
示例性的，假设车辆A对目标对象识别结果的置信度值是通过贝叶斯学习方法直接计算得到，则车辆A上报的识别信息中包含文本表述的序号1，或者二进制表示的1。
其中，本申请实施例中的置信度值可以是用不包含在前五类的主流计算方法得到，可能是一些自定义的方法，具体并不做限定，任何可以用于本申请实施例中计算识别结果置信度值的方法都属于本申请保护范围。
为了更清楚地展示本申请提供的技术方案，下面分多个实施例对本申请提供的上报信息处理方法进行说明。
需要说明的是，下述介绍仅为对本申请提供的技术方案的列举，并不构成本申请所提供的技术方案的限定，任何针对下述实施例的组合变形，得到的用于解决本申请技术问题的方式都属于本申请保护范围。
实施例一、车辆向云端服务器上报的目标对象的识别信息中包含目标对象的识别结果、所述识别结果的置信度值，以及用于确定所述置信度值的置信度类型。
下面基于实施例一的方式，选取不同的场景进行示例性介绍，具体并不限于下述场景：
场景一、采集装置主动对目标对象进行识别以及上报。
假设，当前上报信息处理场景如图7所示，目标对象为道路中新设立的限速指示牌。其中，对所述目标对象进行信息采集的车辆有三辆，分别为车辆A、车辆B以及车辆C。
所述车辆A、车辆B以及车辆C在主动完成对所述目标对象的信息采集后，向云端服务器上报所述目标对象的识别信息，其中，所述识别信息中包括识别结果、置信度值以及置信度类型。
示例性的，车辆A、B、C分别在行驶到该路段时，通过车辆自身的传感装置和/或摄像采集装置，识别到道路左侧新出现了一个对象，即目标对象，所述车辆A、B、C发现原有的地图中，在该位置并没有该目标对象的存在。
因此，所述车辆A、B、C主动对目标对象进行采集，确定所述目标对象的识别信息，以及将所述目标对象的识别信息上报云端服务器。
其中，云端服务器在接收到车辆A、车辆B以及车辆C上报的针对目标对象的识别信息后，对所述车辆A、车辆B以及车辆C上报的识别信息进行分析，确定目标对象的最终结果。
优选的，本申请实施例中，所述云端服务器将阈值时长内接收到的所述目标对象的识别信息进行分析，确定所述目标对象的最终结果。
其中，本申请实施例设置阈值时长的方式有多种，具体并不限于下述几种：
设置阈值时长方式1：本申请实施例中云端服务器在需要获取目标对象的识别信息时，从预设的至少一个时长中选取一个时长，作为所述阈值时长。
设置阈值时长的方式2：本申请实施例中云端服务器从接收到的至少一个车辆通知的时长中，选取一个时长，作为所述阈值时长。
例如，所述云端服务器将接收到的第一个车辆上报的时长确定为阈值时长。
一种可选的方式，车辆可以将上报的时长携带在向云端服务器上报目标对象的识别信息中。
示例性的，所述云端服务器在接收到第一个针对所述目标对象上报的识别信息后，开启定时器，并继续接收其他车辆上报的针对所述目标对象的识别信息。当所述定时器的计时时间到达所述阈值时长后，则所述云端服务器停止接收针对所述目标对象上报的识别信息。所述云端服务器将阈值时长内接收到的所述目标对象的识别信息进行分析，确定所述目标对象的最终结果。
其中，通过设置所述阈值时长，能够有效避免所述云端服务器针对所述目标对象无法确定需要分析的识别信息的数量，从而及时有效的确定所述目标对象的最终结果，造成地图更新不及时的问题。
如图8所示，本申请实施例基于上述场景一，提供的第一种上报信息的处理方法，具体流程包括：
S800，车辆A对目标对象1进行识别，得到该目标对象1的识别结果。
S801，车辆B对目标对象1进行识别，得到该目标对象1的识别结果。
S802，车辆C对目标对象1进行识别，得到该目标对象1的识别结果。
其中，上述S800～S802中并不存在先后顺序。
S803，车辆A确定应用的置信度类型。
S804，车辆B确定应用的置信度类型。
S805，车辆C确定应用的置信度类型。
其中，上述S803～S805中并不存在先后顺序。
其中，一种可选的方式，所述车辆可以预先设定应用的置信度类型，即所述车辆后续针对所有目标对象的识别结果都可以应用该置信度类型确定对应的置信度值。
另一种可选的方式，所述车辆在得到目标对象的识别结果后，再确定针对这一识别结果用于计算置信度值的置信度类型。即所述车辆基于不同目标对象的识别结果，可以根据实际情况确定采用的置信度类型。
S806，所述车辆A根据确定应用的置信度类型对所述识别结果进行计算，得到置信度值。
S807，所述车辆B根据确定应用的置信度类型对所述识别结果进行计算，得到置信度值。
S808，所述车辆C根据确定应用的置信度类型对所述识别结果进行计算，得到置信度值。
S809，所述车辆A将得到的所述目标对象1的识别信息上报给云端服务器，所述识别信息包括识别结果，置信度值以及置信度类型。
示例性的，本申请实施例中，车辆在将识别结果、置信度值以及对应的置信度类型上报给云端服务器时，可以将该目标对象的识别结果、置信度值以及置信度类型封装在上报的报文内容中，从而一起发送给云端服务器。
假设，车辆A针对目标对象1上报的识别信息的内容如下：
识别结果：车辆前行方向指示；置信度类型：置信度类型1；置信度值：70％。
S810，所述车辆B将得到的所述目标对象1的识别信息上报给云端服务器。
假设，车辆B针对目标对象1上报的识别信息的内容如下：
识别结果：车辆前行方向指示；置信度类型：置信度类型1；置信度值：60％。
S811，所述车辆C将得到的所述目标对象1的识别信息上报给云端服务器。
假设，车辆C针对目标对象1上报的内容如下：
识别结果：车辆前行方向指示；置信度类型：置信度类型2；置信度值：80％。
S812，云端服务器接收至少一个车辆上报的所述目标对象的识别信息。
例如，云端服务器接收到三个车辆上报的针对同一目标对象的识别信息。
优选的，为了避免云端服务器无限等待车辆针对目标对象上报的识别信息，影响地图更新的时效性，云端服务器仅对阈值时长内接收到的车辆上报的报文进行分析处理。
示例性的，云端服务器在接收到第一个车辆针对目标对象1上报的报文后，开启定时器，在预设时长内接收到了第二个车辆以及第三个车辆对目标对象1上报的报文，则云端服务器仅对前三台车辆上报的报文进行分析。
S813，云端服务器根据置信度类型对接收到的至少一个所述目标对象的识别信息进行分类。
具体的，云端服务器根据置信度类型对接收到的同一目标对象的N个识别信息进行分类，共分为M类。其中，M小于等于N。
也就是说，若云端服务器接收到的同一目标对象的N个识别信息包含的置信度类型均不同，则需要每个识别信息分为一类，共需要分为N类。
若云端服务器接收到的同一目标对象的N个识别信息中存在至少两个识别信息采用的置信度类型相同，则需要将包含相同置信度类型的识别信息分为一类，因此，分类的数量小于N类。
S814，云端服务器对接收到的识别信息进行同类融合和/或异类融合，得到目标对象的最终结果。
其中，若所述云端服务器对接收到的N个识别信息分为M类，此时M为1，即接收到的N个识别信息都包含相同的置信度类型。则云端服务器对接收到的识别信息进行同类融合，得到目标对象的最终结果。
若所述云端服务器对接收到的N个识别信息分为M类，此时，M＝N，即接收到的N个识别信息都是包含不同的置信度类型，则云端服务器对接收到的识别信息进行异类融合，得到目标对象的最终结果。
若所述云端服务器对接收到的N个识别信息分为M类，此时M<N，即接收到的N个识别信息中存在包含相同置信度类型的识别信息，则云端服务器需要先对分类后的同组识别信息进行同类融合，得到该组识别信息的同类融合结果(即组识别信息)，然后在将每组得到的组识别信息进行异类融合，得到最终的目标对象最终结果。
S815，云端服务器比较所述目标对象的最终结果与原有地图中的目标对象的原始结果。
S816，云端服务器在确定所述目标对象的最终结果与原始结果不相同后，根据所述目标对象的最终结果更新地图。
其中，所述S816中还包括原有地图中并不存在所述目标对象的情况，该情况可以被理解为所述目标对象的最终结果与原始结果不相同。
S817，云端服务器将地图更新部分下发给相应的车辆。
需要说明的是，本申请实施例中所述图8所示的步骤可以根据实际情况进行顺序调整以及删减，具体本申请实施例并不进行限定。例如，所述S815～S816可以整合为一步，即不需要进行比较，直接根据得到的目标对象的最终结果对相应地图区域进行更新。
场景二、云端服务器指示采集装置对目标对象进行识别以及上报。
假设，当前上报信息处理场景如图9所示，目标对象为在道路中新设立的限速指示牌。
其中，云端服务器定期对存储的地图进行检查更新，在检查更新过程中，云端服务器发现地图A区域存在目标对象的数据缺失，所述云端服务器为了保证地图的完整性以及准确性，需要重新对目标对象进行识别。
因此，所述云端服务器可以向所述目标对象阈值范围内的车辆发送第一指示信息，指示接收到的车辆对目标对象进行识别，并上报该目标对象的识别信息。其中，所述目标对象的识别信息包括目标对象的识别结果、置信度值以及置信度类型。
其中，本申请实施例设置阈值范围的方式有多种，具体并不限于下述几种：
设置阈值范围方式1：本申请实施例中云端服务器将自身的管辖范围确定为阈值范围。
设置阈值时长的方式2：本申请实施例中云端服务器确定目标对象所在位置，将所述目标对象的位置确定为圆心，根据预设的半径得到一个圆心区域，将所述圆心区域确定为阈值范围。
设置阈值时长的方式3：本申请实施例中云端服务器的阈值范围为预先配置好的固定值。
示例性的，假设车辆A、车辆B以及车辆C接收到所述云端服务器发送的第一指示信息。因此，所述车辆A、车辆B以及车辆C根据所述第一指示信息的指示，对所述目标对象进行采集，得到所述目标对象的识别信息，所述识别信息中包括所述目标对象的识别结果、置信度值以及置信度类型。然后，所述车辆A、B、C分别向云端服务器上报所述目标对象的识别信息。
其中，云端服务器在接收到车辆A、车辆B以及车辆C上报的针对目标对象的识别信息后，对所述车辆A、车辆B以及车辆C上报的识别信息进行分析，确定目标对象的最终结果。
优选的，本申请实施例中，所述云端服务器将阈值时长内接收到的所述目标对象的识别信息进行分析，确定所述目标对象的认定结果。
示例性的，所述云端服务器在接收到第一个针对所述目标对象上报的识别信息后，开启定时器，并继续接收其他车辆上报的针对所述目标对象的识别信息。当所述定时器的计时时间到达所述阈值时长后，则所述云端服务器停止接收针对所述目标对象上报的识别信息。所述云端服务器将阈值时长内接收到的所述目标对象的识别信息进行分析，确定所述目标对象的最终结果。
通过设置所述阈值时长，能够有效避免所述云端服务器针对所述目标对象无法确定需要分析的识别信息，从而及时有效的确定所述目标对象的认定结果，造成地图更新不及时的问题。
如图10所示，本申请实施例基于上述场景二，提供的一种上报信息处理方法，具体流程包括：
S1000，云端服务器确定需要采集的目标对象；
S1001，云端服务器向所述目标对象阈值范围内的车辆发送第一指示信息，所述第一指示信息指示车辆对所述目标对象进行采集，并上报目标对象的识别信息。
S1002，车辆A接收到所述第一指示信息，对目标对象1进行识别，得到该目标的识别结果。
S1003，车辆B接收到所述第一指示信息，对目标对象1进行识别，得到该目标的识别结果。
S1004，车辆C接收到所述第一指示信息，对目标对象1进行识别，得到该目标的识别结果。
其中，上述S1002～S1004中并不存在先后顺序。
S1005，车辆A确定应用的置信度类型。
S1006，车辆B确定应用的置信度类型。
S1007，车辆C确定应用的置信度类型。
其中，上述S1005～S1007中并不存在先后顺序。
其中，一种可选的方式，所述车辆可以预先设定应用的置信度类型，即所述车辆后续针对所有目标对象的识别结果都可以应用该置信度类型确定置信度值。
另一种可选的方式，所述车辆在得到目标的识别结果后，再确定针对这一识别结果用于计算置信度值的置信度类型。即所述车辆基于不同目标的识别结果，可以根据实际情况确定采用的置信度类型。
S1008，所述车辆A根据确定应用的置信度类型对所述识别结果进行计算，得到置信度值。
S1009，所述车辆B根据确定应用的置信度类型对所述识别结果进行计算，得到置信度值。
S1010，所述车辆C根据确定应用的置信度类型对所述识别结果进行计算，得到置信度值。
S1011，所述车辆A将得到的所述目标对象1的识别信息上报给云端服务器。
假设，车辆A针对目标对象1上报的内容如下：
识别结果：车辆前行方向指示；置信度类型：置信度类型1；置信度值：70％。
S1012，所述车辆B将得到的所述目标对象1的识别信息上报给云端服务器。
假设，车辆B针对目标对象1上报的内容如下：
识别结果：车辆前行方向指示；置信度类型：置信度类型1；置信度值：60％。
S1013，所述车辆C将得到的所述目标对象1的识别结果、置信度值以及置信度类型上报给云端服务器。
假设，车辆C针对目标对象1上报的内容如下：
识别结果：车辆前行方向指示；置信度类型：置信度类型2；置信度值：80％。
其中，本申请实施例中，车辆在将识别结果、置信度值以及对应的置信度类型上报给云端服务器时，可以将该目标对象的识别结果、置信度值以及置信度类型封装在上报的报文内容中，从而一起发送给云端服务器。
S1014，云端服务器接收至少一个车辆上报的报文。
例如，云端服务器接收到三个车辆上报的针对同一目标的识别信息。
优选的，为了避免云端服务器无限等待车辆针对目标对象上报的报文，影响地图更新的时效性，云端服务器仅对阈值时长内接收到的车辆上报的识别信息进行分析处理。
示例性的，云端服务器在接收到第一个车辆针对目标对象1上报的报文后，开启定时器，在预设时长内接收到了第二个车辆以及第三个车辆对目标对象1上报的报文，则云端服务器仅对前三台车辆上报的报文进行分析。
S1015，云端服务器根据置信度类型对接收到的至少一个识别信息进行分类。
具体的，云端服务器根据置信度类型对接收到的同一目标对象的N个报文进行分类，共分为M类。其中，M小于等于N。
具体内容参见上述S810，为简洁描述，在此不进行赘述。
S1016，云端服务器对接收到的报文进行同类融合和/或异类融合，得到目标对象的认定结果。
具体内容参见上述S811，为简洁描述，在此不进行赘述。
S1017，云端服务器比较所述目标对象的最终结果与原有地图中的目标对象的原始结果。
S1018，云端服务器在确定所述目标对象的最终结果与原始结果不相同后，根据所述目标对象的最终结果更新地图。
其中，所述S1018中还包括原有地图中并不存在所述目标对象的情况，该情况可以被理解为所述目标对象的最终结果与原始结果不相同。
S1019，云端服务器将地图更新部分下发给相应的车辆。
需要说明的是，本申请实施例中所述图10所示的步骤可以根据实际情况进行顺序调整以及删减，具体本申请实施例并不进行限定。
场景三、云端服务器在接收到一个车辆针对所述目标对象上报的识别信息后，指示其他车辆对目标对象进行识别以及上报。
假设，当前上报信息处理场景如图11所示，目标对象为在道路中新设立的限速指示牌。
其中，车辆A在行驶到该路段时，通过车辆自身的传感装置和/或摄像采集装置，识别到道路左侧新出现了一个对象，即目标对象，所述车辆A发现原有的地图中在该位置并没有该目标对象的存在。因此，所述车辆A主动对目标对象进行采集，确定所述目标对象的识别信息，以及将所述目标对象的识别信息上报云端服务器。
云端服务器接收到所述车辆A上报的所述目标对象的识别信息后，为了避免因仅接收到一个车辆上报的目标对象的识别信息而造成误判，故云端服务器向所述目标对象所在区域范围内的其他车辆发送第一指示信息，指示接收到的车辆对目标对象进行识别，并上报该目标对象的识别信息。其中，所述目标对象的识别信息包括目标对象的识别结果、置信度值以及置信度类型。
其中，假设车辆B以及车辆C接收到所述云端服务器发送的第一指示信息。因此，所述车辆B和车辆C根据所述第一指示信息的指示，对所述目标对象进行采集，得到所述目标对象的识别信息，所述识别信息中包括所述目标对象的识别结果、置信度值以及置信度类型。然后，所述车辆B、C分别向云端服务器上报所述目标对象的识别信息。
其中，云端服务器在接收到车辆B以及车辆C上报的针对目标对象的识别信息后，结合之前接收到的所述车辆A上报的识别信息进行分析，确定目标对象的认定结果；或者，所述云端服务器在接收到车辆B以及车辆C上报的针对目标对象的识别信息后，对所述车辆B以及所述车辆C上报的目标对象的识别信息进行分析，确定目标对象的认定结果。
优选的，本申请实施例一种可选的方式，所述云端服务器将发送第一指示信息后阈值时长内接收到的所述目标对象的识别信息以及发送所述第一指示信息之前接收到的所述目标对象的识别信息，进行分析，确定所述目标对象的认定结果。
优选的，本申请实施例另一种可选的方式，所述云端服务器将发送第一指示信息后阈值时长内接收到的所述目标对象的识别信息，进行分析，确定所述目标对象的认定结果。
示例性的，所述云端服务器在接收到一个针对所述目标对象上报的识别信息后，为了避免因仅接收到一个车辆上报的目标对象的识别信息而造成误判，云端服务器向所述目标对象所在区域范围内的其他车辆发送第一指示信息，并在发送所述第一指示信息后开启定时器，所述定时器运行时长为阈值时长，云端服务器在所述定时器运行期间接收其他车辆上报的针对所述目标对象的识别信息。当所述定时器的计时时间到达所述阈值时长后，则所述云端服务器停止接收针对所述目标对象上报的识别信息。
所述云端服务器将阈值时长内接收到的所述目标对象的识别信息进行分析，确定所述目标对象的认定结果；或者，所述云端服务器将阈值时长内接收到的所述目标对象的识别信息，以及发送所述第一指示信息之前接收到的针对所述目标对象上报的识别信息，进行分析，确定所述目标对象的认定结果。
通过设置所述阈值时长，能够有效避免所述云端服务器针对所述目标对象无法确定需要分析的识别信息，从而及时有效的确定所述目标对象的认定结果，造成地图更新不及时的问题。
如图12所示，本申请实施例基于上述场景三，提供的一种上报信息处理方法，具体流程包括：
S1200，车辆A对目标对象1进行识别，得到该目标的识别结果。
S1201，车辆A确定应用的置信度类型。
其中，一种可选的方式，所述车辆可以预先设定应用的置信度类型，即所述车辆后续针对所有目标的识别结果都可以应用该置信度类型进行确定。
另一种可选的方式，所述车辆在得到目标的识别结果后，再确定针对这一识别结果用于计算置信度值的置信度类型。即所述车辆基于不同目标的识别结果，可以根据实际情况确定采用的置信度类型。
S1202，所述车辆A根据确定应用的置信度类型对所述识别结果进行计算，得到置信度值。
S1203，所述车辆A将得到的所述目标对象1的识别信息上报给云端服务器。
假设，车辆A针对目标对象1上报的识别信息的内容如下：
识别结果：车辆前行方向指示；置信度类型：置信度类型1；置信度值：70％。
S1204，云端服务器接收到车辆A上报的识别信息。
S1205，云端服务器向所述车辆A上报的目标对象阈值范围内的车辆发送第一指示信息，所述第一指示信息指示车辆对所述目标对象进行采集，并上报目标对象的识别信息。
S1206，车辆B接收到所述第一指示信息，对目标对象1进行识别，得到该目标的识别结果。
S1207，车辆C接收到所述第一指示信息，对目标对象1进行识别，得到该目标的识别结果。
其中，上述S1206～S1207中并不存在先后顺序。
S1208，车辆B确定应用的置信度类型。
S1209，车辆C确定应用的置信度类型。
其中，上述S1208～S1209中并不存在先后顺序。
其中，一种可选的方式，所述车辆可以预先设定应用的置信度类型，即所述车辆后续针对所有目标的识别结果都可以应用该置信度类型确定置信度值。
另一种可选的方式，所述车辆在得到目标的识别结果后，再确定针对这一识别结果用于计算置信度值的置信度类型。即所述车辆基于不同目标的识别结果，可以根据实际情况确定采用的置信度类型。
S1210，所述车辆B根据确定应用的置信度类型对所述识别结果进行计算，得到置信度值。
S1211，所述车辆C根据确定应用的置信度类型对所述识别结果进行计算，得到置信度值。
S1212，所述车辆B将得到的所述目标对象1的识别信息上报给云端服务器。
假设，车辆B针对目标对象1上报的识别信息的内容如下：
识别结果：车辆前行方向指示；置信度类型：置信度类型1；置信度值：60％。
S1213，所述车辆C将得到的所述目标对象1的识别信息上报给云端服务器。
假设，车辆C针对目标对象1上报的内容如下：
识别结果：车辆前行方向指示；置信度类型：置信度类型2；置信度值：80％。
其中，本申请实施例中，车辆在将识别结果、置信度值以及对应的置信度类型上报给云端服务器时，可以将该目标对象的识别结果、置信度值以及置信度类型封装在上报的报文内容中，从而一起发送给云端服务器。
S1214，云端服务器接收至少一个车辆上报的报文。
例如，云端服务器接收到车辆B以及车辆C上报的针对同一目标的识别信息。
优选的，为了避免云端服务器无限等待车辆针对目标对象上报的识别信息，影响地图更新的时效性，云端服务器仅对阈值时长内接收到的车辆上报的识别信息进行分析处理。
示例性的，云端服务器在发送所述第一指示信息后，开启定时器，在预设时长内接收到了车辆C以及车辆C对目标对象1上报的识别信息，则云端服务器仅对车辆B、车辆C以及发送所述第一指示信息之前接收到的车辆A上报的识别信息进行分析。
S1215，云端服务器根据置信度类型对接收到的至少一个识别信息进行分类。
具体内容参见上述S810，为简洁描述，在此不进行赘述。
S1216，云端服务器对接收到的识别信息进行同类融合和/或异类融合，得到目标对象的最终结果。
具体内容参见上述S811，为简洁描述，在此不进行赘述。
S1217，云端服务器比较所述目标对象的最终结果与原有地图中的目标对象的原始结果。
S1218，云端服务器在确定所述目标对象的最终结果与原始结果不相同后，根据所述目标对象的最终结果更新地图。
其中，所述S1218中还包括原有地图中并不存在所述目标对象的情况，该情况可以被理解为所述目标对象的最终结果与原始结果不相同。
S1219，云端服务器将地图更新部分下发给相应的车辆。
实施例二、预先统一车辆用于计算置信度值的置信度类型，从而使云端服务器接收到的置信度值可以直接进行比较。
其中，本申请实施例中预先统一车辆用于计算置信度值的置信度类型的方式有多种，具体并不限于下述几种。
统一方式1：云端服务器确定用于计算置信度值的置信度类型，并将确定的所述置信度类型通知给采集装置。
其中，本申请实施例中所述云端服务器可以通过向采集装置发送第二指示信息，指示接收到所述第二指示信息的采集装置，在确定目标对象识别结果的置信度值时，采用所述第二指示信息指示的置信度类型计算该识别结果的置信度值。
需要说明的是，本申请实施例中，并不限定云端服务器向采集装置发送所述第二指示信息的时机。
例如，第一种可选的方式，云端服务器在进行初始化阶段，就向所辖范围内涉及到的所有车辆发送所述第二指示信息，使云端服务器所辖范围内的车辆根据云端服务器指示的置信度类型确定目标对象识别结果的置信度值。
由此，云端服务器在接收到车辆上报的目标对象的识别结果以及相应的置信度值后，可以直接对接收到的同一目标对象的至少一个置信度值进行比较，确定所述目标对象的最终结果。
进一步的，若后期有车辆行驶到云端服务器管辖范围，事先没有接收到云端服务器发送的第二指示信息；或者，在云端服务器向管辖区域内的车辆发送所述第二指示信息时，有部分车辆没有成功接收到所述第二指示信息，则没有接收到第二指示信息的车辆可以参照上述实施例一中的三种场景进行目标对象的识别信息上报。
例如，第二种可选的方式，云端服务器周期性向所辖范围内涉及到的所有车辆发送所述第二指示信息，使云端服务器所辖范围内的车辆根据云端服务器指示的置信度类型确定目标对象识别结果的置信度值。由此，云端服务器在接收到车辆上报的目标对象的识别结果以及相应的置信度值后，可以直接对接收到的同一目标对象的至少一个置信度值进行比较，确定所述目标对象的最终结果。
例如，第三种可选的方式，云端服务器在确定需要获取目标对象的识别信息时，向用于获取目标对象的识别信息的车辆发送所述第二指示信息。
示例性的，结合上述实施例一中场景二，假设，云端服务器发现地图A区域存在目标对象的数据缺失，所述云端服务器可以向所述目标对象阈值范围内的车辆发送第二指示信息，指示接收到的车辆采用置信度类型1计算所述目标对象识别结果的置信度值。
此外，所述云端服务器向所述目标对象阈值范围内的车辆发送第一指示信息，指示接收到的车辆对目标对象进行识别，并上报该目标对象的识别结果以及置信度值。其中，本申请实施例中并不限定第一指示信息与第二指示信息发送的先后顺序。
较佳的，结合上述实施例一中场景二，假设，云端服务器发现地图A区域存在目标对象的数据缺失，所述云端服务器可以向所述目标对象阈值范围内的车辆发送第一指示信息，指示接收到的车辆对目标对象进行识别，以及采用置信度类型1计算所述目标对象识别结果的置信度值，并上报该目标对象的识别结果以及置信度值。也就是说，本申请实施例中，所述第一指示信息还具有第二指示信息的作用，即所述第一指示信息与所述第二指示信息为同一指示信息，从而节省信令开销。
如图13所示，本申请实施例基于上述实施例二的内容，提供的第一种上报信息处理方法，具体流程包括：
S1300，云端服务器向至少一个采集装置发送第一指示信息，所述第一指示信息用于指示采集装置采用第一置信度类型计算目标识别结果的置信度值。
需要说明的是，该步骤1300是云端服务器周期性向车辆发送的；或者，该步骤1300是云端服务器在需要获取目标对象的识别信息时发送的；再或者，该步骤1300是云端服务器在初始化时向车辆发送的。
本申请实施例中所述步骤1300中，云端服务器发送第一指示信息的车辆可以为云端服务器所辖范围内的车辆，或者是云端服务器指示区域内的车辆。
其中，假设，车辆A、车辆B以及车辆C接收到所述云端服务器发送的第一指示信息。
需要说明的是，所述S1300中用于指示采集装置采用第一置信度类型计算置信度值的信息还可以是第二指示信息。
S1301，车辆A对目标对象1进行识别，得到该目标的识别结果。
S1302，车辆B对目标对象1进行识别，得到该目标的识别结果。
S1303，车辆C对目标对象1进行识别，得到该目标的识别结果。
其中，上述S1301～S1303中并不存在先后顺序。
S1304，所述车辆A采用应用云端服务器指示的第一置信度类型对所述识别结果进行计算，得到置信度值。
S1305，所述车辆B采用应用云端服务器指示的第一置信度类型对所述识别结果进行计算，得到置信度值。
S1306，所述车辆C采用应用云端服务器指示的第一置信度类型对所述识别结果进行计算，得到置信度值。
其中，上述S1304～S1306中并不存在先后顺序。
S1307，所述车辆A将得到的所述目标对象1的识别信息上报给云端服务器。
其中，所述识别信息中包含所述目标对象1的识别结果以及所述识别结果的置信度值。
S1308，所述车辆B将得到的所述目标对象1的识别结果、置信度值上报给云端服务器。
S1309，所述车辆C将得到的所述目标对象1的识别结果、置信度值上报给云端服务器。
S1310，云端服务器接收至少一个车辆上报的识别信息。
例如，云端服务器接收到三个车辆上报的针对同一目标的识别结果，以及对应的通过同一置信度类型计算得到的置信度值。
优选的，为了避免云端服务器无限等待车辆针对目标对象上报的报文，影响地图更新的时效性，云端服务器仅对阈值时长内接收到的车辆上报的报文进行分析处理。
示例性的，云端服务器在接收到第一个车辆针对目标对象1上报的报文后，开启定时器，在阈值时长内接收到了第二个车辆以及第三个车辆对目标对象1上报的报文，则云端服务器仅对前三台车辆上报的报文进行分析。
S1311，云端服务器对接收到的针对同一目标对象上报的多个识别信息进行分析，得到目标对象的最终结果。
S1312，云端服务器比较所述目标对象的最终结果与原有地图中的目标对象的原始结果。
S1313，云端服务器在确定所述目标对象的最终结果与原始结果不相同后，根据所述目标对象的最终结果更新地图。
其中，所述S1313中还包括原有地图中并不存在所述目标对象的情况，该情况可以被理解为所述目标对象的最终结果与原始结果不相同。
S1314，云端服务器将地图更新部分下发给相应的车辆。
进一步的，在实际应用中还可能出现如下情况：
情况1：云端服务器确定用于计算置信度值的置信度类型为一个，并将确定的所述置信度类型通知给采集装置。
然而，可能存在部分接收到通知的车辆，不具有云端服务器指示的置信度类型计算置信度值的能力。
此时，该部分车辆可以采用其他置信度类型计算目标对象的置信度值，并在上报目标对象的识别信息时，将所采用的置信度类型携带在所述识别信息中。
情况2：云端服务器确定用于计算置信度值的置信度类型为一个，并将确定的所述置信度类型通知给上报端。
然而，可能存在部分接收到通知的车辆，不具有云端服务器指示的置信度类型计算置信度值的能力。
此时，该部分车辆可以向云端服务器发送请求信息，所述请求信息用于请求云端服务器重新更换用于确定置信度值的置信度类型。
其中，云端服务器在接收到车辆上报的指示请求信息后，可以根据所述车辆的请求信息，重新指示该部分车辆用于确定置信度值的置信度类型。
此外，云端服务器记录指示给该部分车辆的置信度类型，从而在接收到该部分车辆上报的目标对象识别结果的置信度值后，知晓该置信度值的分类情况。
或者，云端服务器在接收到车辆上报的指示请求信息后，可以根据所述车辆的请求信息，重新指示所有车辆一个新的用于确定置信度值的置信度类型。
情况3：云端服务器确定用于计算置信度值的置信度类型为多个，并将确定的所述置信度类型通知给采集装置。
然而，接收到通知的车辆，因指示的置信度类型有多种，所述车辆可以从指示的置信度类型随机选择用于计算识别结果的置信度值。
而该种情况下，采集装置发送给云端服务器的置信度值因采用的置信度类型不一定相同，可能依旧无法直接进行比较。
此时，上报车辆可以结合上述实施例一种的场景一至三的内容，在上报的目标对象的识别信息中加入用于计算置信度值的置信度类型。
其中，所述识别信息中包含的置信度类型为云端服务器指示用于计算置信度值的多个置信度类型中的一个。
需要说明的是，若存在车辆不具有云端服务器指示的置信度类型计算置信度值的能力时，该部分车辆可以采用其他置信度类型计算目标对象的置信度值，并在上报目标对象的识别信息时，将所采用的置信度类型携带在所述识别信息中。
统一方式2：云端服务器与车辆预先配置好确定用于计算置信度值的置信度类型。
其中，本申请实施例中可以人为的事先配置好云端服务器与车辆用于计算置信度值的置信度类型。
例如，用户确定用于计算置信度值的置信度类型为置信度类型1。因此，车端在确定目标对象识别结果的置信度值的时候，直接采用预先配置的置信度类型确定。云端服务器在接收到车端上报的目标对象的识别结果以及置信度值后，可以直接对接收到的至少一个置信度值进行比较。
其中，本申请实施例中的术语“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中，A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。以下至少一项(个)下或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b，或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
除非有相反的说明，本申请实施例提及“第一”、“第二”等序数词是用于对多个对象进行区分，不用于限定多个对象的顺序、时序、优先级或者重要程度。此外，本申请实施例和权利要求书及附图中的术语“包括”和“具有”不是排他的。例如，包括了一系列步骤或模块的过程、方法、系统、产品或设备，不限定于已列出的步骤或模块，还可以包括没有列出的步骤或模块。
通过上述对本申请方案的介绍，可以理解的是，上述实现各设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件单元。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
如图14所示，本发明实施例一种上报信息处理的装置，该上报信息处理的装置包括处理器1400、存储器1401和收发机1402；
处理器1400负责管理总线架构和通常的处理，存储器1401可以存储处理器1400在执行操作时所使用的数据。收发机1402用于在处理器1400的控制下接收和发送数据与存储器1401进行数据通信。
总线架构可以包括任意数量的互联的总线和桥，具体由处理器1400代表的一个或多个处理器和存储器1401代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器1400负责管理总线架构和通常的处理，存储器1401可以存储处理器1400在执行操作时所使用的数据。
本发明实施例揭示的流程，可以应用于处理器1400中，或者由处理器1400实现。在实现过程中，安全驾驶监测的流程的各步骤可以通过处理器1400中的硬件的集成逻辑电路或者软件形式的指令完成。处理器1400可以是通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列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发明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任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用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1401，处理器1400读取存储器1401中的信息，结合其硬件完成信号处理流程的步骤。
本申请一种可选的方式，所述上报信息处理的装置为云端服务器，则所述处理器1400用于读取存储器1401中的程序并以执行如图8所示的S800-S814中云端服务器的方法流程；或执行如图10所示的S1000-S1019中云端服务器的方法流程；执行如图12所示的S1200-S1219中云端服务器的方法流程；执行如图13所示的S1300-S1314中云端服务器的方法流程。
本申请另一种可选的方式，所述上报信息处理的装置为采集装置，例如车辆，则所述处理器1400用于读取存储器1401中的程序并以执行如图8所示的S800-S814中采集装置的方法流程；或执行如图10所示的S1000-S1019中采集装置的方法流程；执行如图12所示的S1200-S1219中采集装置的方法流程；执行如图13所示的S1300-S1314中采集装置的方法流程。
如图15所示，本发明提供一种上报信息的处理装置，所述装置包括收发模块1500和处理模块1501。
其中，本申请实施例一种可选的方式，当所述上报信息的处理装置为云端服务器时，所述装置包括收发模块1500和处理模块1501，执行下列内容：
收发模块1500，用于接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；
处理模块1501，用于根据识别信息中的置信度类型将接收到的N个识别信息分成M组，M为不大于N的正整数；确定所述M组中每组对应的组识别信息；从M组识别信息中选取一组识别信息，以及将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
在一种实现方式中，所述N个识别信息是所述云端服务器在阈值时长内接收到的。
在一种实现方式中，所述收发模块1500还用于：
向第二阈值范围内的采集装置发送第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
在一种实现方式中，所述收发模块1500还用于：
接收到小于阈值数量的采集装置发送的目标对象的识别信息。
在一种实现方式中，所述第一指示信息还用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
在一种实现方式中，所述收发模块1500还用于：
向阈值范围内的采集装置发送第二指示信息，所述第二指示信息用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
在一种实现方式中，所述M组中每组识别信息包含相同的置信度类型。
在一种实现方式中，所述处理模块1501具体用于：
将每组中包含置信度值最大的识别信息确定为组识别信息。
在一种实现方式中，所述采集装置为移动采集装置和/或固定采集装置；所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
在一种实现方式中，所述处理模块1501还用于：
根据所述目标对象的最终结果，更新所述目标对象所在的地图区域，并将更新后的地图区域通知给至少一个采集装置。
其中，本申请实施例一种可选的方式，当所述上报信息的处理装置为云端服务器时，所述装置包括收发模块1500和处理模块1501，执行下列内容：
收发模块1500，用于接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值，其中，N个识别信息中的置信度值是通过同一置信度类型确定的；
处理模块1501，用于选取N个识别信息中包含置信度值最大的识别信息；将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
在一种实现方式中，所述N个识别信息是所述云端服务器在阈值时长内接收到的。
在一种实现方式中，所述收发模块1500还用于：
向第二阈值范围内的采集装置发送第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
在一种实现方式中，所述收发模块1500还用于：
接收到小于阈值数量的采集装置发送的目标对象的识别信息。
在一种实现方式中，所述第一指示信息还用于指示预设置信度类型为第一置信度类型。
在一种实现方式中，所述收发模块1500还用于：
所述云端服务器向阈值范围内的采集装置发送第二指示信息，所述第二指示信息用于指示所述预设置信度类型为第一置信度类型。
在一种实现方式中，所述采集装置为移动采集装置和/或固定采集装置；所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
在一种实现方式中，所述处理模块1501还用于：
根据所述目标对象的最终结果，更新所述目标对象所在的地图区域，并将更新后的地图区域通知给至少一个采集装置。
其中，本申请实施例一种可选的方式，当所述上报信息的处理装置为采集装置时，所述装置包括收发模块1500和处理模块1501，执行下列内容：
处理模块1501，用于确定目标对象的识别信息，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；
收发模块1500，用于将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域。
在一种实现方式中，所述收发模块1500还用于：
接收来自所述云端服务器的第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
在一种实现方式中，所述收发模块1500还用于：
接收到小于阈值数量的采集装置发送的目标对象的识别信息。
在一种实现方式中，所述第一指示信息还用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
在一种实现方式中，所述收发模块1500还用于：
接收来自所述云端服务器的第二指示信息，所述第二指示信息用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
在一种实现方式中，所述采集装置为移动采集装置和/或固定采集装置；所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
其中，本申请实施例一种可选的方式，当所述上报信息的处理装置为采集装置时，所述装置包括收发模块1500和处理模块1501，执行下列内容：
处理模块1501，用于确定目标对象的识别信息，所述识别信息包括目标对象的识别结果以及识别结果的置信度值，其中，所述识别结果的置信度值是通过预设置信度类型确定的；
收发模块1500，用于将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域。
在一种实现方式中，所述收发模块1500还用于：
接收来自所述云端服务器的第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
在一种实现方式中，所述收发模块1500还用于：
接收到小于阈值数量的采集装置发送的目标对象的识别信息。
在一种实现方式中，所述第一指示信息还用于指示预设置信度类型为第一置信度类型。
在一种实现方式中，所述收发模块1500还用于：
接收来自所述云端服务器的第二指示信息，所述第二指示信息用于指示预设置信度类型为第一置信度类型。
在一种实现方式中，所述采集装置为移动采集装置和/或固定采集装置；所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
上述图15所示的收发模块1500和处理模块1501的功能可以由处理器1400运行存储器1401中的程序执行，或者由处理器1400单独执行。
在一些可能的实施方式中，本发明实施例提供的上报信息处理的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序代码在计算机设备上运行时，所述程序代码用于使所述计算机设备执行本说明书中描述的根据本发明各种示例性实施方式的上报信息处理的方法中的步骤。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
根据本发明的实施方式的用于上报信息处理的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在服务器设备上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被通信传输、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由周期网络动作系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备，或者，可以连接到外部计算设备。
本申请实施例针对上报信息处理的方法还提供一种计算设备可读存储介质，即断电后内容不丢失。该存储介质中存储软件程序，包括程序代码，当所述程序代码在计算设备上运行时，该软件程序在被一个或多个处理器读取并执行时可实现本申请实施例上面任何一种上报信息处理的方案。
以上参照示出根据本申请实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图描述本申请。应理解，可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置，以产生机器，使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。
相应地，还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本申请。更进一步地，本申请可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式，其具有在介质中实现的计算机可使用或计算机可读程序代码，以由指令执行系统来使用或结合指令执行系统而使用。在本申请上下文中，计算机可使用或计算机可读介质可以是任意介质，其可以包含、存储、通信、传输、或传送程序，以由指令执行系统、装置或设备使用，或结合指令执行系统、装置或设备使用。
本申请结合多个流程图详细描述了多个实施例，但应理解，这些流程图及其相应的实施例的相关描述仅为便于理解而示例，不应对本申请构成任何限定。各流程图中的每一个步骤并不一定是必须要执行的，例如有些步骤是可以跳过的。并且，各个步骤的执行顺序也不是固定不变的，也不限于图中所示，各个步骤的执行顺序应以其功能和内在逻辑确定。
本申请描述的多个实施例之间可以任意组合或步骤之间相互交叉执行，各个实施例的执行顺序和各个实施例的步骤之间的执行顺序均不是固定不变的，也不限于图中所示，各个实施例的执行顺序和各个实施例的各个步骤的交叉执行顺序应以其功能和内在逻辑确定。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包括这些改动和变型在内。

Claims (41)

1.一种上报信息的处理方法，其特征在于，所述方法包括：
接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；
根据识别信息中的置信度类型将接收到的N个识别信息分成M组，M为不大于N的正整数；
确定所述M组中每组对应的组识别信息；
从M组识别信息中选取一组识别信息，以及将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
2.根据权利要求1所述的方法，其特征在于，所述N个识别信息是器在阈值时长内接收到的。
3.根据权利要求1或2所述的方法，其特征在于，接收N个采集装置发送的目标对象的识别信息之前，还包括：
向阈值范围内的采集装置发送第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
4.根据权利要求3所述的方法，其特征在于，向阈值范围内的采集装置发送第一指示信息之前，还包括：
接收到小于阈值数量的采集装置发送的目标对象的识别信息。
5.根据权利要求3或4所述的方法，其特征在于，所述第一指示信息还用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
6.根据权利要求1～3任一项所述的方法，其特征在于，接收N个采集装置发送的目标对象的识别信息之前，还包括：
向阈值范围内的采集装置发送第二指示信息，所述第二指示信息用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
7.根据权利要求1～6任一项所述的方法，其特征在于，所述M组中每组识别信息包含相同的置信度类型。
8.根据权利要求7所述的方法，其特征在于，确定所述M组中每组对应的组识别信息，包括：
将每组中包含置信度值最大的识别信息确定为组识别信息。
9.根据权利要求1～8任一项所述的方法，其特征在于，所述采集装置为移动采集装置和/或固定采集装置；
所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
10.根据权利要求1～9任一项所述的方法，其特征在于，所述方法还包括：
根据所述目标对象的最终结果，更新所述目标对象所在的地图区域，并将更新后的地图区域通知给至少一个采集装置。
11.一种上报信息的处理方法，其特征在于，所述方法包括：
接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值，其中，N个识别信息中的置信度值是通过预设置信度类型确定的；
选取N个识别信息中包含置信度值最大的识别信息；
将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
12.根据权利要求11所述的方法，其特征在于，所述N个识别信息是在阈值时长内接收到的。
13.根据权利要求11或12所述的方法，其特征在于，接收N个采集装置发送的目标对象的识别信息之前，还包括：
向阈值范围内的采集装置发送第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
14.根据权利要求13所述的方法，其特征在于，向阈值范围内的采集装置发送第一指示信息之前，包括：
接收到小于阈值数量的采集装置发送的目标对象的识别信息。
15.根据权利要求13或14所述的方法，其特征在于，所述第一指示信息还用于指示预设置信度类型为第一置信度类型。
16.根据权利要求11～13任一项所述的方法，其特征在于，接收N个采集装置发送的目标对象的识别信息之前，还包括：
向阈值范围内的采集装置发送第二指示信息，所述第二指示信息用于指示所述预设置信度类型为第一置信度类型。
17.根据权利要求11～16任一项所述的方法，其特征在于，所述采集装置为移动采集装置和/或固定采集装置；
所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
18.根据权利要求11～17任一项所述的方法，其特征在于，所述方法还包括：
根据所述目标对象的最终结果，更新所述目标对象所在的地图区域，并将更新后的地图区域通知给至少一个采集装置。
19.一种上报信息的处理方法，其特征在于，所述方法包括：
采集装置确定目标对象的识别信息，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；
所述采集装置将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域。
20.根据权利要求19所述的方法，其特征在于，所述采集装置确定目标对象的识别信息之前，还包括：
所述采集装置接收来自所述云端服务器的第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
21.根据权利要求20所述的方法，其特征在于，所述第一指示信息还用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
22.根据权利要求19或20所述的方法，其特征在于，所述采集装置确定目标对象的识别信息之前，还包括：
所述采集装置接收来自所述云端服务器的第二指示信息，所述第二指示信息用于指示确定目标对象识别结果的置信度值的至少一个置信度类型。
23.根据权利要求19～22任一项所述的方法，其特征在于，所述采集装置为移动采集装置和/或固定采集装置；
所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
24.根据权利要求19～23任一项所述的方法，其特征在于，所述方法还包括：
所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
25.一种上报信息的处理方法，其特征在于，所述方法包括：
采集装置确定目标对象的识别信息，所述识别信息包括目标对象的识别结果以及识别结果的置信度值，其中，所述识别结果的置信度值是通过预设置信度类型确定的；
所述采集装置将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域。
26.根据权利要求25所述的方法，其特征在于，所述采集装置确定目标对象的识别信息之前，还包括：
所述采集装置接收来自所述云端服务器的第一指示信息，所述第一指示信息用于指示采集装置对目标对象进行识别，并上报所述目标对象的识别信息。
27.根据权利要求26所述的方法，其特征在于，所述第一指示信息还用于指示预设置信度类型为第一置信度类型。
28.根据权利要求25或26所述的方法，其特征在于，所述采集装置确定目标对象的识别信息之前，还包括：
所述采集装置接收来自所述云端服务器的第二指示信息，所述第二指示信息用于指示预设置信度类型为第一置信度类型。
29.根据权利要求25～28任一项所述的方法，其特征在于，所述采集装置为移动采集装置和/或固定采集装置；
所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
30.根据权利要求25～29任一项所述的方法，其特征在于，所述方法还包括：
所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
31.一种上报信息的处理装置，其特征在于，包括：
收发模块，用于接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；
处理模块，用于根据识别信息中的置信度类型将接收到的N个识别信息分成M组，M为不大于N的正整数；确定所述M组中每组对应的组识别信息；从M组识别信息中选取一组识别信息，以及将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
32.一种上报信息的处理装置，其特征在于，包括：
收发模块，用于接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值，其中，N个识别信息中的置信度值是通过同一置信度类型确定的；
处理模块，用于选取N个识别信息中包含置信度值最大的识别信息；将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
33.一种上报信息的处理装置，其特征在于，包括：
处理模块，用于确定目标对象的识别信息，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；
收发模块，用于将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域。
34.一种上报信息的处理装置，其特征在于，包括：
处理模块，用于确定目标对象的识别信息，所述识别信息包括目标对象的识别结果以及识别结果的置信度值，其中，所述识别结果的置信度值是通过预设置信度类型确定的；
收发模块，用于将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域。
35.一种上报信息的处理装置，其特征在于，包括：一个或多个处理器；存储器；收发器；
所述存储器，用于存储一个或多个程序以及数据信息；其中所述一个或多个程序包括指令；
所述处理器，用于根据所述存储器中的至少一个或多个程序，执行如权利要求1～10中任一项所述的方法；或执行如权利要求11～18中任一项所述的方法；或执行如权利要求19～24中任一项所述的方法；或执行如权利要求25～30中任一项所述的方法。
36.一种车辆，其特征在于，包括：至少一个摄像器，至少一个存储器，至少一个收发器以及至少一个处理器；
所述摄像器，用于对目标对象进行采集，获取所述目标对象的至少一张图像；
所述存储器，用于存储一个或多个程序以及数据信息；其中所述一个或多个程序包括指令；
所述处理器，用于根据所述至少一张图像确定所述目标对象的识别信息，所述识别信息包括所述目标对象的识别结果，识别结果的置信度值以及用于确定所述置信度值的类型；
所述收发器，用于将所述目标对象的识别信息发送给云端服务器。
37.一种车辆，其特征在于，包括：至少一个摄像器，至少一个存储器，至少一个收发器以及至少一个处理器；
所述摄像器，用于对目标对象进行采集，获取所述目标对象的至少一张图像；
所述存储器，用于存储一个或多个程序以及数据信息；其中所述一个或多个程序包括指令；
所述处理器，用于根据所述至少一张图像确定所述目标对象的识别信息，所述识别信息包括所述目标对象的识别结果，识别结果的置信度值，所述置信度值是通过预设置信度类型确定的；
所述收发器，用于将所述目标对象的识别信息发送给云端服务器。
38.一种上报信息的处理系统，其特征在于，包括：至少一个采集装置以及云端服务器；
所述采集装置，用于确定目标对象的识别信息，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域；
所述云端服务器，用于接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值以及用于确定所述置信度值的置信度类型；根据识别信息中的置信度类型将接收到的N个识别信息分成M组，M为不大于N的正整数；确定所述M组中每组对应的组识别信息；从M组识别信息中选取一组识别信息，以及将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
39.一种上报信息的处理系统，其特征在于，包括：至少一个车辆以及云端服务器；
所述采集装置，用于确定目标对象的识别信息，所述识别信息包括目标对象的识别结果以及识别结果的置信度值，其中，所述识别结果的置信度值是通过预设置信度类型确定的；将所述目标对象的识别信息发送给云端服务器，用于所述云端服务器更新所述目标对象所在的地图区域；
所述云端服务器，用于接收来自N个采集装置的目标对象的N个识别信息，N为正整数，所述识别信息包括目标对象的识别结果、识别结果的置信度值，其中，N个识别信息中的置信度值是通过预设置信度类型确定的；选取N个识别信息中包含置信度值最大的识别信息；将选取的识别信息中的识别结果确定为所述目标对象的最终结果。
40.根据权利要求38或39所述的上报信息的处理系统，其特征在于，所述采集装置为移动采集装置和/或固定采集装置；
所述移动采集装置包括车辆，所述固定采集装置包括路侧单元RSU。
41.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在上报信息的处理装置上运行时，使得所述上报信息的处理装置执行如权利要求1～10中任一项所述的方法；或执行如权利要求11～18中任一项所述的方法；或执行如权利要求19～24中任一项所述的方法；或执行如权利要求25～30中任一项所述的方法。
CN202011069497.4A 2020-09-30 2020-09-30 上报信息的处理方法、装置和系统 Pending CN114359857A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011069497.4A CN114359857A (zh) 2020-09-30 2020-09-30 上报信息的处理方法、装置和系统
EP21874105.6A EP4209960A4 (en) 2020-09-30 2021-08-17 METHOD, DEVICE AND SYSTEM FOR PROCESSING REPORTED INFORMATION
PCT/CN2021/113110 WO2022068443A1 (zh) 2020-09-30 2021-08-17 上报信息的处理方法、装置和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011069497.4A CN114359857A (zh) 2020-09-30 2020-09-30 上报信息的处理方法、装置和系统

Publications (1)

Publication Number Publication Date
CN114359857A true CN114359857A (zh) 2022-04-15

Family

ID=80951104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011069497.4A Pending CN114359857A (zh) 2020-09-30 2020-09-30 上报信息的处理方法、装置和系统

Country Status (3)

Country Link
EP (1) EP4209960A4 (zh)
CN (1) CN114359857A (zh)
WO (1) WO2022068443A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117711395A (zh) * 2023-06-30 2024-03-15 荣耀终端有限公司 语音交互方法及电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9460616B1 (en) * 2015-12-16 2016-10-04 International Business Machines Corporation Management of mobile objects and service platform for mobile objects
CN108010360A (zh) * 2017-12-27 2018-05-08 中电海康集团有限公司 一种基于车路协同的自动驾驶环境感知系统
US11507084B2 (en) * 2019-03-27 2022-11-22 Intel Corporation Collaborative 3-D environment map for computer-assisted or autonomous driving vehicles
CN110276972A (zh) * 2019-07-16 2019-09-24 启迪云控(北京)科技有限公司 一种基于车联网的目标物感知方法及系统
CN111126396B (zh) * 2019-12-25 2023-08-22 北京科技大学 图像识别方法、装置、计算机设备以及存储介质
CN111641927B (zh) * 2020-06-11 2022-07-29 阿波罗智联(北京)科技有限公司 车辆的控制方法、装置、设备、车辆及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117711395A (zh) * 2023-06-30 2024-03-15 荣耀终端有限公司 语音交互方法及电子设备

Also Published As

Publication number Publication date
EP4209960A1 (en) 2023-07-12
EP4209960A4 (en) 2024-05-08
WO2022068443A1 (zh) 2022-04-07

Similar Documents

Publication Publication Date Title
US11715377B2 (en) Safe passing system and method for vehicle
CN109804367B (zh) 使用边缘计算的分布式视频存储和搜索
CN106846863B (zh) 基于增强现实和云端智能决策的事故黑点警告系统及方法
CN110146097B (zh) 自动驾驶导航地图的生成方法、系统、车载终端及服务器
US10616734B1 (en) Unmanned aerial vehicle assisted V2X
CN110880236B (zh) 路况信息处理方法、装置及系统
US20190004517A1 (en) Method and apparatus for generating automatic driving strategy
CN112634611B (zh) 用于识别路况的方法、装置、设备以及存储介质
CN112562314A (zh) 基于深度融合的路端感知方法、装置、路端设备和系统
CN109472884A (zh) 无人车数据存储方法、装置、设备及存储介质
CN111724616A (zh) 基于人工智能的数据获取及共享的方法与装置
US10855753B2 (en) Distributed computing of vehicle data by selecting a computation resource of a remote server that satisfies a selection policy for meeting resource requirements according to capability information
EP4345773A1 (en) Lane line extraction method and apparatus, vehicle and storage medium
CN112530156A (zh) 基于边缘计算的智能网联汽车开放道路系统和建设方法
US11210951B2 (en) System and method for location data fusion and filtering
CN113612844A (zh) 车辆端的数据分享方法、装置、介质及电子设备
CN108022432B (zh) 车辆在运行线路上行驶方向的确定方法以及装置
WO2021128278A1 (en) Driving safety systems
CN111695627A (zh) 路况检测方法、装置、电子设备及可读存储介质
Liu et al. Towards vehicle-to-everything autonomous driving: A survey on collaborative perception
CN114359857A (zh) 上报信息的处理方法、装置和系统
CN110533906A (zh) 一种路况信息的获取方法及相关装置
WO2021168867A1 (zh) 一种安全驾驶监测的方法和装置
CN112654835A (zh) 地图更新方法和相关更新装置
CN112906486B (zh) 无人驾驶出租车的乘客状况检测方法、控制方法及系统

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