CN114363308A - 一种地图数据的传输方法及装置 - Google Patents
一种地图数据的传输方法及装置 Download PDFInfo
- Publication number
- CN114363308A CN114363308A CN202011054715.7A CN202011054715A CN114363308A CN 114363308 A CN114363308 A CN 114363308A CN 202011054715 A CN202011054715 A CN 202011054715A CN 114363308 A CN114363308 A CN 114363308A
- Authority
- CN
- China
- Prior art keywords
- probability
- prior probability
- target
- target information
- condition
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Abstract
本申请提供一种数据传输方法,所述方法包括:确定目标信息对应的地图元素的至少一个先验概率,其中,所述目标信息是车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;发送所述目标信息、所述至少一个先验概率以及与所述每个先验概率对应的第一条件。
Description
技术领域
本申请涉及数据传输技术领域,尤其涉及一种地图数据的传输方法及装置。
背景技术
自动驾驶汽车依靠人工智能、视觉计算、雷达、定位系统和高精度地图等技术的协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。高精度地图作为汽车导航使用的工具,其准确度和精度以及更新的效率对于自动驾驶汽车的安全至关重要,比如当道路被封闭、路线发生变化或者交通标示有改变时,需要更新地图。
目前,众包作为一种成本较低的数据采集模式近几年来被广泛采用,众包就是基于大众的力量完成某种特定工作任务,例如,基于大量的大众车辆完成地图数据的采集。车辆可以上报每个传感器的检测信息到车内融合单元,但上报信息是传感器特定的形式,即,不同传感器有不同的上报内容和格式。或者,车辆上报传感器检测到的目标结果信息到云端。注意,这里检测结果信息只支持目标这一种类型,其中,目标是自然环境中的物体。众包地图更新中,由各个车辆上报检测到的目标信息,在上报过程中,一般也会上报置信度信息,用于判断目标信息的可信程度。
云端拿到该置信度值后可以对多辆车的上报结果进行融合,目前业界最常用的融合方法包括基于最小错误率的贝叶斯决策等方法,在该方法中,云端可以基于多辆车的检测结果计算得到待检测目标的后验概率并将该概率值作为最终的置信度值。
但是上述技术中的贝叶斯决策的缺陷包括:如图1所示,先验假设正确度的依赖性过高,当先验假设正确时,置信度曲线没有超出可信的上限,置信度曲线是可信的。但是当先验假设不正确时,置信度曲线超出了可信的上限,置信度曲线不能正确反映置信度与错误率的关系,即置信度的估计可能是无效的,此时就会导致云端对目标是否存在的判断产生错误。
发明内容
本申请实施例提供一种地图数据的更新方法及装置,可最大程度减少云端数据融合的错误率,提高数据融合的精度。
为达到上述目的,本申请的实施例采用如下技术方案:
第一方面,提供了一种数据传输方法,所述方法包括:确定目标信息对应的地图元素的至少一个先验概率,其中,所述目标信息是车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
发送所述目标信息、所述至少一个先验概率以及与所述每个先验概率对应的第一条件。
在第一方面的一种可能的实现方式中:所述第一条件为所述目标信息对应的地图元素的类型、地图元素的位置、地图元素的检测时间、传感器类型、或设计运行条件中的至少一个。
在第一方面的一种可能的实现方式中:所述传感器类型包括激光雷达、摄像头、毫米波雷达、或超声波中的至少一个。
在第一方面的一种可能的实现方式中:所述对应关系包括表格或公式。
在第一方面的一种可能的实现方式中:不同的所述传感器类型对应的所述第一条件不同。
在第一方面的一种可能的实现方式中:当所述传感器类型为摄像头时,所述第一条件包括所述目标信息对应的光照条件、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
在第一方面的一种可能的实现方式中:当所述传感器类型为激光雷达时,所述先验概率对应的第一条件包括所述目标信息对应的反射率、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
在第一方面的一种可能的实现方式中:当所述传感器类型为毫米波雷达时,所述先验概率对应的第一条件包括所述目标信息对应的干扰级别、所述目标信息对应的纵向距离、所述目标信息对应的横向距离中的至少一个。
在第一方面的一种可能的实现方式中:所述先验概率为贝叶斯估计算法中的先验概率的量化值。
在上述技术方案中,综合考虑了多种影响因素,对于不同的目标类型考虑不同的影响目标是否存在的因素,从而提高了上报的目标信息先验概率的可靠性。
第二方面,提供了一种数据传输装置,所述装置包括:
确定模块,用于确定目标信息对应的地图元素的至少一个先验概率,其中,所述目标信息是车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
发送模块,用于发送所述目标信息、所述至少一个先验概率以及与所述每个先验概率对应的第一条件。
在第二方面的一种可能的实现方式中:所述第一条件包括所述目标信息对应的地图元素的类型、地图元素的位置、地图元素的检测时间、传感器类型、或设计运行条件中的至少一个。
在第二方面的一种可能的实现方式中:所述传感器类型包括激光雷达、摄像头、毫米波雷达、或超声波中的至少一个。
在第二方面的一种可能的实现方式中:所述对应关系包括表格或公式。
在第二方面的一种可能的实现方式中:不同的所述传感器类型对应的所述第一条件不同。
在第二方面的一种可能的实现方式中:当所述传感器类型为摄像头时,所述第一条件包括所述目标信息对应的光照条件、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
在第二方面的一种可能的实现方式中:当所述传感器类型为激光雷达时,所述先验概率对应的第一条件包括所述目标信息对应的反射率、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
在第二方面的一种可能的实现方式中:当所述传感器类型为毫米波雷达时,所述先验概率对应的第一条件包括所述目标信息对应的干扰级别、所述目标信息对应的纵向距离、所述目标信息对应的横向距离中的至少一个。
在第二方面的一种可能的实现方式中:所述先验概率为贝叶斯估计算法中的先验概率的量化值。
第三方面,本申请提供了一种数据处理方法,所述方法包括:
接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,其中,所述目标信息为车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
基于所述至少一个先验概率计算所述目标信息的后验概率;
基于所述后验概率,判定所述目标在所述自然环境中是否存在。
在第三方面的一种可能的实现方式中:所述接收至少一个先验概率包括:
接收第一先验概率和第二先验概率,其中,所述第一先验概率是在w1状态下的先验概率,所述w1表征所述目标存在,所述第二先验概率是w2状态下的先验概率,所述w2表征所述目标不存在。
在第三方面的一种可能的实现方式中:所述基于所述至少一个先验概率计算所述目标信息的后验概率包括:
基于所述第一先验概率计算第一后验概率;
基于所述第二先验概率计算第二后验概率;
其中第一后验概率是所述w1状态下的后验概率,第二后验概率是所述w2状态下的后验概率。
在第三方面的一种可能的实现方式中:所述基于所述后验概率,判定所述目标在所述自然环境中是否存在包括:
当所述第一后验概率大于所述第二后验概率时,判定所述目标在所述自然环境中存在;或者
当所述第一后验概率不大于所述第二后验概率时,判定所述目标在所述自然环境中不存在。
在第三方面的一种可能的实现方式中:所述先验概率为贝叶斯估计算法中的先验概率的量化值;
或者
所述后验概率为贝叶斯估计算法中的后验概率的量化值。
在上述技术方案中,对车辆上报结果执行基于最小错误率的贝叶斯估计,对目标存在状态下的后验概率和目标不存在状态下的后验概率进行比较,进而判定决策。可最大程度减少云端数据融合的错误率,提高数据融合的精度。
第四方面,本申请提供了一种数据处理装置,所述装置包括:
接收模块,用于接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,其中,所述目标信息反映了车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
计算模块,用于基于所述至少一个先验概率计算所述目标信息的后验概率;
判定模块,用于基于所述后验概率,判定所述目标在所述自然环境中是否存在。
在第三方面的一种可能的实现方式中:所述接收模块用于:
接收第一先验概率和第二先验概率,其中,所述第一先验概率是在w1状态下的先验概率,所述w1表征所述目标存在,所述第二先验概率是w2状态下的先验概率,所述w2表征所述目标不存在。
在第三方面的一种可能的实现方式中:所述计算模块具体用于:
基于所述第一先验概率计算第一后验概率;
基于所述第二先验概率计算第二后验概率;
其中第一后验概率是所述w1状态下的后验概率,第二后验概率是所述w2状态下的后验概率。
在第三方面的一种可能的实现方式中:所述判定模块具体用于:
当所述第一后验概率大于所述第二后验概率时,判定所述目标在所述自然环境中存在;或者
当所述第一后验概率不大于所述第二后验概率时,判定所述目标在所述自然环境中不存在。
在第三方面的一种可能的实现方式中:所述先验概率为贝叶斯估计算法中的先验概率的量化值;
或者
所述后验概率为贝叶斯估计算法中的后验概率的量化值。
第五方面,提供了一种数据传输装置,包括:存储器,用于存储程序指令;
处理器,用于当调用并执行存储器中的程序指令时,执行第一方面或第一方面的任一种可能的所述的数据传输方法。
第六方面,提供了一种可读存储介质,包括:所述可读存储介质中存储有执行指令,当数据传输装置的至少一个处理器执行该执行指令时,所述数据的传输装置执行第一方面或第一方面的任一种可能的所述的数据传输的方法。
第七方面,提供了一种数据处理装置,包括:存储器,用于存储程序指令;
处理器,用于当调用并执行存储器中的程序指令时,执行第三方面或第三方面的任一种可能的所述的数据处理方法。
第八方面,提供了一种可读存储介质,包括:所述可读存储介质中存储有执行指令,当数据传输装置的至少一个处理器执行该执行指令时,所述数据的传输装置执行第三方面或第三方面的任一种可能的所述的数据处理的方法。
第九方面,提供了一种服务器,包括第四方面或第四方面的任一种可能的所述的数据处理装置。
第十方面,提供了一种芯片,包括至少一个处理器,所述处理器与存储器耦合,所述处理器用于读取存储器中的指令并根据所述指令执行第一方面或第三方面任一项所述的方法。
第十一方面,提供了一种计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面或第四方面任一项所述的方法。
第十二方面,提供了一种路侧单元,包括第二方面或第四方面任一种可能的所述装置。
可以理解地,上述提供的任一种数据处理装置、可读存储介质、计算机程序产品、服务器、芯片、路侧单元,均可以由上文所提供的对应的方法来实现,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
附图说明
图1为现有技术中根据置信度进行融合的贝叶斯决策曲线;
图2为本申请实施例提供的一种地图数据处理方法应用场景示意图;
图3为本申请实施例提供的另一种地图数据处理方法应用场景示意图;
图4为本申请实施例提供的再一种地图数据处理方法应用场景示意图;
图5为本申请实施例提供的指令侧地图数据更新结构示意图;
图6为本申请实施例提供的车端观测的目标的示意图;
图7为本申请实施例提供的一种数据传输方法流程图;
图8为本申请实施例提供的一种数据传输模块结构示意图;
图9为本申请实施例提供的一种数据处理方法流程图;
图10为本申请实施例提供的一种数据处理装置结构示意图;
图11为本申请实施例提供的一种地图数据的更新方法;
图12为本申请实施例提供的一种地图数据的更新装置;
图13为本申请实施例提供的计算机程序产品的结构示意图。
具体实施方式
以下,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地包括一个或者更多个该特征。在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
同时,在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念,便于理解。
本申请提供了一种数据传输方法,在车辆终端确定目标信息对应的地图元素的至少一个先验概率,其中,所述目标信息是车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;所述车辆终端向云端服务器发送所述目标信息、所述至少一个先验概率以及与所述每个先验概率对应的第一条件。在上述技术方案中,综合考虑了多种影响因素,对于不同的目标类型考虑不同的影响目标是否存在的因素,从而提高了车辆终端上报的目标信息先验概率的可靠性。
本申请还提供一种地图数据的处理方法和装置,云端服务器从车辆终端接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,其中,所述目标信息为车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;基于所述至少一个先验概率计算所述目标信息的后验概率;基于所述后验概率,判定所述目标在所述自然环境中是否存在,如果存在将对高精度地图进行更新。由于云端服务器11对不同来源的车辆上报结果执行基于最小错误率的贝叶斯估计,对目标存在状态下的后验概率和目标不存在状态下的后验概率进行比较,进而判定决策,可最大程度减少云端数据融合的错误率,提高数据融合的精度。
本申请提供的地图数据的处理方法、装置及系统,可应用于无人驾驶(unmanneddriving)、辅助驾驶(driver assistance/ADAS)或智能驾驶(intelligent driving)领域中。
本申请中的地图可以是电子地图,电子地图即数字地图,包括高精度地图。电子地图是以地图数据库为基础,利用计算机技术,以数字形式存储,可以在终端设备的屏幕上显示的地图。电子地图的主要构成元素就是地图元素,例如山脉、水系、陆地、行政区划、兴趣点或者道路等地理元素,再例如车道线、人行横道、停止线、交通标志、路标、灯杆、红绿灯、龙门架、环岛、停车场等道路上的目标元素,其中,道路还可以进一步划分为高速公路、一级公路、二级公路、三级公路和四级公路五个等级,每个等级的道路可以为不同的地图元素。
云端服务器11可以通过无线网络为多个车辆12提供实时的地图数据,该云端服务器11包括较大容量的存储空间,用于存储地图数据,包括高精度地图,并且负责将电子地图更新下发等。具体的,可以将地图数据部署于一台或者多台服务器上。可选的,在云端服务器12中可以由网络平台基于众包车辆终端12上报的道路数据或者更新的目标地图元素,决策是否对当前地图进行更新,并执行对地图数据的更新工作,更新后可以下发新的电子地图。
车辆终端12是用于车辆通信和管理的前端设备,可以安装在各种车辆内。至少一个车辆终端12可以是大规模的社会车辆中的通信装置,也可以是具有数据处理能力和识别能力的智能车辆中的通信装置,还可以由普通社会车辆和智能车辆组成。众包的车辆终端12可以作为地图采集和更新的重要基础,可以通过车辆终端中配置的车载传感器获取实时的道路检测信息,例如,通过摄像头,红外传感器、雷达探测仪、全球卫星导航系统或者惯性导航系统(简称惯导)等,可以将检测的道路信息上传到云端服务器11进行地图数据的实时更新和维护。具体的,车辆终端12可以通过网络将采集到的道路数据或者更新的目标地图元素上传至云端服务器11或者其他网络设备。
在一种实施例中,该通信系统还可以包括路侧单元13,通过有线或者无线网络与车辆终端11或者云端服务器12通信,可以向车辆终端11提供一定区域范围内的道路信息、高精度的定位、或者提供高精度地图等服务。路侧单元13还可以用于收集一定区域范围内的车辆终端11上报的道路检测信息,经过数据处理和融合,确定相应的地图元素是否发生变化,从而决策是否更新地图。
图2为本申请提供的地图数据的处理方法应用的一种场景示意图,如图2所示,在该应用场景下,主要涉及云端服务器11和车辆终端12。其中,车辆终端12使用本地地图,并可以感知周边环境,例如可以通过设置在车辆终端12上的传感器感知周边环境,检测到目标信息,车辆终端12根据检测到的目标信息确定出先验概率。云端服务器11上可以存储有高精度地图数据库,云端服务器11可以接收至少两个来自车辆终端12的目标信息,云端设置接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,基于所述至少一个先验概率计算所述目标信息的后验概率,基于所述后验概率,判定所述目标在所述自然环境中是否存在,进一步判断是否更新地图。
图3为本申请提供的地图数据的处理方法应用的另一种场景示意图,如图3所示,在该应用场景下,主要涉及云端服务器11、车辆终端12和基站或路边单元设备13,其中,车辆终端12使用本地地图,并可以感知周边环境,例如可以通过设置在车辆终端12上的传感器感知周边环境,检测到目标信息,车辆终端12根据检测到的目标信息确定出先验概率。云端服务器11上可以存储有高精度地图数据库,云端服务器11可以接收至少两个来自车辆终端12的目标信息,云端服务器11可以接收至少两个来自车辆终端12的目标信息,云端设置接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,基于所述至少一个先验概率计算所述目标信息的后验概率,基于所述后验概率,判定所述目标在所述自然环境中是否存在,进一步判断是否更新地图。。云端服务器11将高精地图进行更新并下发,路边单元设备(road side unit,RSU)13根据云端服务器11下发的指令对不匹配的目标信息进行重点感知,并将感知结果进行上报。
图4为本申请提供的一种地图数据更新方法应用的再一种场景示意图,如图4所示,在该场景下,主要涉及车辆终端12和基站或路边单元设备13,其中,车辆终端12使用本地地图,并可以感知周边环境,例如可以通过设置在车辆终端12上的传感器感知周边环境,检测到目标信息,车辆终端12根据检测到的目标信息确定出先验概率。车辆终端12将所述先验概率发送给基站或路边单元设备13,路边单元设备13接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,基于所述至少一个先验概率计算所述目标信息的后验概率,基于所述后验概率,判定所述目标在所述自然环境中是否存在,进一步判断是否更新地图。图5为本申请实施例提供的一种云端指令侧地图数据更新结构示意图。
车端计算机系统112还可以从其它计算机系统接收信息或转移信息到其它计算机系统。或者,从车辆终端12的传感器系统收集的传感器数据可以被转移到另一个计算机对此数据进行处理。如图5所示,来自计算机系统112的数据可以经由网络被传送到云侧的计算机720用于进一步的处理。网络以及中间节点可以包括各种配置和协议,包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司的专有通信协议的专用网络、以太网、WiFi和HTTP、以及前述的各种组合。这种通信可以由能够传送数据到其它计算机和从其它计算机传送数据的任何设备,诸如调制解调器和无线接口。
在一个示例中,计算机720可以包括具有多个计算机的服务器,例如负载均衡服务器群,为了从计算机系统112接收、处理并传送数据的目的,其与网络的不同节点交换信息。该服务器可以被类似于计算机系统110配置,具有处理器730、存储器740、指令750、和数据760。
数据760可以包括观测目标的先验概率,服务器720可以接受、监视、存储、更新、以及与地图数据相关的各种信息,并且判别地图数据是否更新。
下面结合附图详细说明本申请的技术方案。图7为本申请实施例提供的一种数据传输方法,如图7所示,本实施例的执行主体为车辆。
在本申请中,具体包括以下步骤:
S101、确定目标信息对应的地图元素的至少一个先验概率,其中,所述目标信息是车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件。
其中,如图6所示,目标可以是自然环境中的物体,具体为实际道路中影响车辆终端行驶的物体,例如为道路旁边的红绿灯,道路两侧的建筑物,或者为路标、灯杆、交通标志牌等。地图元素为组成地图的要素,电子地图包括多个地图元素。
目标信息可以为车辆终端感知周边环境所检测到的关于目标信息,例如车辆终端在运行的过程中,通过设置在车辆终端上的传感器,如,激光雷达、摄像头毫米波雷达、超声波或组合惯导等传感器检测周围的环境得到目标信息。车辆终端12将检测到的目标信息发送给云端服务器11。
先验概率为在第一条件下目标存在的概率,第一条件为所述目标信息对应的地图元素的种类、地图元素的位置、地图元素的检测时间、所述目标信息对应的传感器类型、或所述目标信息对应的设计运行条件(ODD)类型中的至少一个。
车端可以上报多个先验概率,所述多个先验概率分别具有多个不同的第一条件,例如道路旁边的红绿灯在路口存在的先验概率;在路口维修的情况下,假设平均三天安装红绿灯,在三天后存在的先验概率等。其中所述至少一个先验概率中的每个先验概率对应一个所述第一条件。
S102、发送所述目标信息、所述至少一个先验概率以及与所述每个先验概率对应的第一条件。
其中,车辆终端需要向云端发送三项数据,包括该目标信息、需要上报的先验概率、以及该先验概率对应的第一条件。先验概率可以为一个或多个,相应的第一条件也对应的为一个或多个。
数据的传输可以采用自定义的数据格式,或者采用通用的数据格式,或者采用标准的数据格式来进行传输。上报方法可以网络通信、V2X等技术进行传输。网络通信技术可以包括无线网络,例如wifi等方式进行传输方式。
可选的,该第一条件为所述目标信息对应的地图元素的类型、地图元素的位置、地图元素的检测时间、传感器类型、或设计运行条件中的至少一个。
可选的,该传感器类型包括激光雷达、摄像头、毫米波雷达、或超声波中的至少一个。
可选的,该对应关系包括表格或公式,其中表格可以参见下文的表格1-4所示。
可选的,不同的所述传感器类型对应的所述第一条件不同。
可选的,当所述传感器类型为摄像头时,所述第一条件包括所述目标信息对应的光照条件、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
可选的,当所述传感器类型为激光雷达时,所述先验概率对应的第一条件包括所述目标信息对应的反射率、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
可选的,当所述传感器类型为毫米波雷达时,所述先验概率对应的第一条件包括所述目标信息对应的干扰级别、所述目标信息对应的纵向距离、所述目标信息对应的横向距离中的至少一个。
可选的,所述先验概率为贝叶斯估计算法中的先验概率的量化值。
在上述技术方案中,使用不同条件的先验概率,综合考虑了多种影响因素,对于不同的目标类型考虑不同的影响目标是否存在的因素,从而提高了车辆终端上报的目标信息先验概率的可靠性。
本申请还提供了一种数据发送装置200,如图8所示,主要包括以下模块:
确定模块201,用于确定目标信息对应的地图元素的至少一个先验概率,其中,所述目标信息是车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
发送模块202,用于发送所述目标信息、所述至少一个先验概率以及与所述每个先验概率对应的第一条件。
可选的,所述第一条件为所述目标信息对应的地图元素的类型、地图元素的位置、地图元素的检测时间、传感器类型、或设计运行条件中的至少一个。
可选的,所述传感器类型包括激光雷达、摄像头、毫米波雷达、或超声波中的至少一个。
可选的,所述对应关系包括表格或公式,其中表格可以参见下文的表格1-4所示。
可选的,不同的所述传感器类型对应的所述第一条件不同。
可选的,当所述传感器类型为摄像头时,所述第一条件包括所述目标信息对应的光照条件、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
可选的,当所述传感器类型为激光雷达时,所述先验概率对应的第一条件包括所述目标信息对应的反射率、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
可选的,当所述传感器类型为毫米波雷达时,所述先验概率对应的第一条件包括所述目标信息对应的干扰级别、所述目标信息对应的纵向距离、所述目标信息对应的横向距离中的至少一个。
可选的,所述先验概率为贝叶斯估计算法中的先验概率的量化值。
需要说明的是,上述数据传输装置与执行上述传输方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图9为本申请提供的一种数据的处理方法流程图,如图9所示,本实施例的执行主体可以为云端服务器11或者基站或路边单元设备13,下面以云端服务器11为例进行描述。该数据的处理方法具体包括以下几个步骤:
S301、接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,其中,所述目标信息为车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件。
其中,云端服务器11可以为地图云,具体的动作执行对象可以为云端服务器中的计算装置,如处理器等。
其中云端服务器11接收的数据为车辆终端按照一定的数据格式发送的数据。该数据包括三项内容:目标信息、该目标信息的先验概率、以及该先验概率对应的第一条件。该先验概率可以为基于不同的第一条件的多个先验概率。
云端服务器接收数据的格式可以采用自定义的数据格式,或者采用通用的数据格式,或者采用标准的数据格式来进行传输。上报方法可以网络通信、V2X等技术进行传输。网络通信技术可以包括无线网络,例如wifi等方式进行传输方式。
S302、基于所述至少一个先验概率计算所述目标信息的后验概率。
其中,先验概率是事情还没有发生,要求这件事情发生的可能性的大小。后验概率是事情已经发生,要求这件事情发生的原因是由某个因素引起的可能性的大小。后验概率是指在得到“结果”的信息后重新修正的概率,是“执果寻因”问题中的″果″。先验概率与后验概率有不可分割的联系,后验概率的计算要以先验概率为基础。
可选的,后验概率的计算方法可以通过数学模型来进行计算,例如,可选的,可以通过贝叶斯公式进行计算。可选的,所述先验概率为贝叶斯估计算法中的先验概率的量化值;或者所述后验概率为贝叶斯估计算法中的后验概率的量化值。
可选的,可以基于所述第一先验概率计算第一后验概率;基于所述第二先验概率计算第二后验概率;其中第一后验概率是所述w1状态下的后验概率,第二后验概率是所述w2状态下的后验概率。
S303、基于所述后验概率,判定所述目标在所述自然环境中是否存在。
其中,云端服务器11的判定模块基于后验概率的结果来判定该目标在自然环境中是否存在。
可选的,当所述第一后验概率大于所述第二后验概率时,判定所述目标在所述自然环境中存在;或者
当所述第一后验概率不大于所述第二后验概率时,判定所述目标在所述自然环境中不存在。
在上述技术方案中,对不同来源的车辆上报结果执行基于最小错误率的贝叶斯估计,对目标存在状态下的后验概率和目标不存在状态下的后验概率进行比较,进而判定决策。可最大程度减少云端数据融合的错误率,提高数据融合的精度。
图10为本申请提供的一种数据处理装置400的结构示意图,所述数据处理装置400主要包括以下几个模块:
接收模块401,用于接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,其中,所述目标信息反映了车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
计算模块402,用于基于所述至少一个先验概率计算所述目标信息的后验概率;
判定模块403,用于基于所述后验概率,判定所述目标在所述自然环境中是否存在。
进一步的,所述接收模块用于:接收第一先验概率和第二先验概率,其中,所述第一先验概率是在w1状态下的先验概率,所述w1表征所述目标存在,所述第二先验概率是w2状态下的先验概率,所述w2表征所述目标不存在。
进一步的,所述计算模块具体用于:基于所述第一先验概率计算第一后验概率;基于所述第二先验概率计算第二后验概率;其中第一后验概率是所述w1状态下的后验概率,第二后验概率是所述w2状态下的后验概率。
进一步的,所述判定模块具体用于:当所述第一后验概率大于所述第二后验概率时,判定所述目标在所述自然环境中存在;或者当所述第一后验概率不大于所述第二后验概率时,判定所述目标在所述自然环境中不存在。
进一步的,所述先验概率为贝叶斯估计算法中的先验概率的量化值;或者所述后验概率为贝叶斯估计算法中的后验概率的量化值。
需要说明的是,上述数据传输装置与执行上述传输方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
如图11本申请还提供了一种地图数据更新方法。在本申请中,假设各车的观测是独立的。下面介绍本实施例的地图数据的更新方法,具体包括以下步骤:
S01:云端服务器11确定第k个目标的第一初始概率和第二初始概率。
其中,云端服务器11可以为地图云,具体的动作执行对象可以为云端服务器中的计算装置,如处理器等。
如图6所示,目标可以是自然环境中的物体,具体为实际道路中影响车辆终端行驶的物体,例如为道路旁边的红绿灯,道路两侧的建筑物,或者为路标、灯杆、交通标志牌等。地图元素为组成地图的要素,电子地图包括多个地图元素。
目标信息可以为车辆终端感知周边环境所检测到的关于目标信息,例如车辆终端在运行的过程中,通过设置在车辆终端上的传感器,如,激光雷达、摄像头毫米波雷达、超声波或组合惯导等传感器检测周围的环境得到目标信息。车辆终端12将检测到的目标信息上报给云端服务器11,该服务器11判断目标存在与否,若果存在,将该目标作为新增的地图元素添加到地图中。
可见,电子地图中包括多个元素,每个元素代表一个目标,第k个目标为其中的一个目标,k为正整数。
云端服务器可以预先设置第一初始概率P(w1)=a,w1表征目标存在,第二初始概率P(w2)=1-a,w2表征目标不存在。
该第一初始概率P(w1)=a和该第二初始概率P(w2)=1-a可以根据是本领域的技术人员根据经验来设置,也可以是实验人员根据多次试验的结果进行设置,该值是可以动态优化和调整的。
S02:云端服务器11接收所述N个车辆中的第i个车辆针对第k个目标的第一先验概率和第二先验概率。
其中,参与众包的车辆终端12可以包含N个车辆,N为大于等于2的正整数,也就是说至少两个车辆参与目标信息的采集。N个车辆中的第i个车辆在行进的过程中或者停靠的时候,通过传感器,如激光雷达、摄像头毫米波雷达、超声波或组合惯导等传感器观测到第k个目标,发现该目标的信息与地图中的信息并不一致,比如,在地图中未有表示该目标的元素信息。或者,发现地图中的表征某个(为了描述方便,称为第k个)目标信息的元素,在实际道路中并不存在。总是,当实际道路与电子地图的信息不一致时,第i个车辆将确定该第k个目标的第一先验概率和第二先验概率。并且,将该第一先验概率和该第二先验概率发送给云端服务器,也可以称为上报给云端服务器11。
云端服务器11可以通过接收模块接收所述N个车辆中的第i车辆针对第k个目标的第一先验概率和第二先验概率。接收模块可以为数据接口等。
云端服务器11可以在一定的时间范围内接收多个车辆分别发送的第一先验概率和第二先验概率。
数据的传输可以采用自定义的数据格式,或者采用通用的数据格式,或者采用标准的数据格式来进行传输。上报方法可以网络通信、V2X等技术进行传输。网络通信技术可以包括无线网络,例如wifi等方式进行传输方式。
上报可以按照第一规则进行上报,上报规则例如可以是:每当一个车辆采集到某一目标或某一采集区域对应的地图数据时即进行上报,或者,当一个车辆采集到的数据样本数超过某一阈值时即进行上报,或者,当一个车辆根据数据样本数超过某一阈值时即进行上报等等。
该第一先验概率为w1状态下的似然条件概率pi,k(xi|w1),所述第二先验概率为w2状态下的似然条件概率pi,k(xi|w2),1≤i≤N,N≥2且为整数。
S03:云端服务器计算第k个目标的第一后验概率和第二后验概率
其中,云端服务器11的计算模块基于所有车辆分别上报的第一先验概率和第二先验概率,以及预设的第一初始概率、第二初始概率计算该第k个目标的第一后验概率和第二后验概率,其中第一后验概率是w1状态下的后验概率,第二后验概率是w2状态下的后验概率,w1状态表征目标存在,w2状态表征目标不存在。云端服务器11的计算装置具体可以为例如处理器等。
先验概率是事情还没有发生,要求这件事情发生的可能性的大小。后验概率是事情已经发生,要求这件事情发生的原因是由某个因素引起的可能性的大小。后验概率是指在得到“结果”的信息后重新修正的概率,是“执果寻因”问题中的″果″。先验概率与后验概率有不可分割的联系,后验概率的计算要以先验概率为基础。
后验概率的计算方法可以通过数学模型来进行计算,例如,可选的,可以通过贝叶斯公式进行计算,具体公式如下:
pi,k(xi|w1)为第i个车辆发送的针对第k个目标信息的第一先验概率,P(w1)为第一初始概率,
S04:当所述第一后验概率大于所述第二后验概率时,判定所述第k个目标在所述自然环境中存在。
云端服务器11的判断模块对该第一后验概率和第二后验概率进行判定,如果第一后验概率大于第二后验概率,判定第k个目标存在。第一后验概率是w1状态下的后验概率,由于w1状态表征目标存在,第一后验概率大于第二后验概率说明该第k个目标在自然环境中存在的概率大,即判定第k个目标在所述自然环境中存在。
S05:云端服务器11将第k个目标作为新增元素更新地图数据,所述元素为构成地图的要素。
当判定第k个目标在自然环境中存在后,云端服务器11的更新模块更新地图数据,将第k个目标作为地图元素作为新增元素添加到电子地图中,形成新的电子地图。云端服务器11可以将更新的电子地图通过有线或无线网络通信、V2X等技术进行传输,发放给车辆终端12。网络通信技术可以包括无线网络,例如wifi等方式进行传输方式。
在本实施例中,对不同来源的车辆上报结果执行基于最小错误率的贝叶斯估计,对目标存在状态下的后验概率和目标不存在状态下的后验概率进行比较,进而判定决策。可最大程度减少云端数据融合的错误率,提高数据融合的精度。
进一步的,当所述第一后验概率不大于所述第二后验概率时,判所述第k个目标在所述自然环境中不存在;将第k个目标作为删除元素更新地图数据。
其中,云端服务器11的判断模块对该第一后验概率和第二后验概率进行判定,如果第一后验概率不大于第二后验概率,判定第k个目标不存在。第一后验概率是w1状态下的后验概率,由于w2状态表征目标不存在,第一后验概率不大于第二后验概率说明该第k个目标在自然环境中不存在的概率大,即判定第k个目标在所述自然环境中不存在。
可选的,当判定第k个目标在自然环境中不存在后,云端服务器电子地图中查找该目标,若原电子地图中不存在该元素,云端服务器11不对地图数据进行更新。
可选的,云端服务器判定第k个目标在自然环境中不存在后,若原电子地图中存在该元素,将第k个目标作为删除元素,在电子地图中删除该该元素,形成新的电子地图。云端服务器11可以将更新的电子地图通过有线或无线网络通信、V2X等技术进行传输,发放给车辆终端12。网络通信技术可以包括无线网络,例如wifi等方式进行传输方式。
在上述技术方案中,通过对目标不存在的情况的分条件进行进一步判定,可以得到更加准确的地图数据,提高了地图数据的正确度。
进一步的,第一先验概率和第二先验概率与以下因素有关:目标类型、目标的位置、时间、传感器类型、设计运行条件(0DD)类型、光照条件、距离、或天气。例如:概率值与目标、目标所在的位置有关。例如,当目标为红绿灯时,那么在路口区域出现红绿灯的先验概率高。又如,先验概率与时间有关,目标还是红绿灯,当路口修好后,将设平均3天后安装红绿灯,那么第一天红绿灯存在的概率小于低于第三天红绿灯存在的概率。
对于不同的影响因素,可以形成先验概率模板并进行先验概率量化,具体方法将在下文详细描述,此处不再赘述。
在上述技术方案中,综合考虑了多种影响因素,对于不同的目标类型考虑不同的影响目标是否存在的因素,从而降低了融合的错误率。
本申请实施例还提供了一种地图数据的更新装置800,如图12所述,该装置具体包括以下模块:
确定模块801,用于确定第k个目标信息的第一初始概率和第二初始概率,其中,所述第一初始概率P(w1)=a,w1表征目标存在,所述第二初始概率P(w2)=1-a,w2表征目标不存在,k为正整数,所述目标信息是车辆感知周边环境所检测到的信息;
接收模块802,用于接收所述N个车辆中的第i个车辆针对所述第k个目标发送的第一先验概率和第二先验概率,其中,所述第一先验概率为w1状态下的概率pi,k(xi|w1),所述第二先验概率为w2状态下的概率pi,k(xi|w2),1≤i≤N,N≥2且为整数;
计算模块803,用于基于所述第一初始概率、所述第二初始概率、所述第一先验概率和所述第二先验概率,计算所述第k个目标的第一后验概率和第二后验概率,其中第一后验概率是w1状态下的后验概率,第二后验概率是w2状态下的后验概率;
判定模块804,用于当所述第一后验概率大于所述第二后验概率时,判定所述第k个目标在所述自然环境中存在。
可选的,所述判定模块还用于:当所述第一后验概率不大于所述第二后验概率时,判所述第k个目标在所述自然环境中不存在。
更新模块805,具体用于当地图不具有表征所述第k目标的元素,不对地图数据进行更新。
可选的,当地图具有表征所述第k目标的元素,将第k个目标作为删除元素更新地图数据。
进一步的,所述计算模块计算所述第k个目标的第一后验概率和第二后验概率,具体包括如下公式1和2:
pi,k(xi|w1)为第i个车辆发送的针对第k个目标信息的第一先验概率,P(w1)为第一初始概率,
进一步的,所述第一初始概率和第二初始概率为预设值。
进一步的,所述第一先验概率和第二先验概率与以下因素有关:目标类型、目标的位置、时间、传感器类型、设计运行条件(ODD)类型、光照条件、距离、或天气。
需要说明的是,上述地图数据的更新装置与执行上述更新方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本申请实施例还提供了一种先验概率模板生成方法,用于生成一种先验概率的模板,车辆终端12上报的第一先验概率和第二先验概率可以从该模板进行取值。
该先验概率模板生成方法可以采用统计分析的方法生成,或者也可以采用理论建模的方法。
该统计分析的方法,通过对采集的实验数据数据进行统计分析,例如,采用蒙特卡洛分析法等。
理论建模的方法,首先假设先验概率的分布模型,如高斯分布、阿尔法分布、贝塔分布,得到理论概率密度模型,再通过实验值对模型进行修正。
进一步的,所述实验值可以是车辆终端在行进的过程中或者停靠的时候,通过传感器,如激光雷达、摄像头毫米波雷达、超声波或组合惯导等传感器观测到目标信息,例如,目标信息为红绿灯信息。车辆终端可以确定该目标信息的存在概率。存在概率表示车辆终端观测到的某个目标存在的概率。
先验概率形成方法与以下因素有关:目标类型、目标的位置、时间、传感器类型、设计运行条件(0DD)类型、光照条件、距离、或天气。
例如,当目标为红绿灯时,红绿灯所在的位置将影响先验概率的大小,在路口区域,红绿灯新增的先验概率高。又如,路口修改后,假设平均3天后安装红绿灯,则第一天红绿灯的存在概率小于第三天红绿灯的存在概率。可见,先验概率的形成方法与目标类型、目标位置、时间有关。
可选的,对于不同的传感器类型,影响先验概率的具体因素并不相同。比如,对于摄像头采集的目标信息,影响先验概率的影响因素包括:不同目标、不同光照、不同纵向距离(到目标物)、不同横向距离(到目标物)、不同天气(雾霾、晴朗、阴天)。又比如,对于激光雷达(LiDAR)采集的目标信息,影响先验概率的影响因素包括:不同目标、不同目标的反射率、不同纵向距离(到目标物)、不同横向距离(到目标物)、不同天气(雾霾、晴朗、阴天)。
可选的,先验概率模板还可以包括传感器采集的目标信息融合之后的先验概率。
可选的,还可以对先验概率进行量化,形成量化的先验概率模板。比如,不同的设计运行条件(0DD)类型,量化的先验概率模板可以如下表1所示,其中,表1中的a、b为(0,1)之间的一个实数值,a<b。
表1
索引 | 先验概率 | 备注 |
1 | <=a | ODD条件1 |
2 | (a,b] | ODD条件2 |
3 | >b | ODD条件3 |
又比如,不同光照条件下,量化的先验概率模板可以如下表2所示,其中下表中的a、b为(0,1)之间的一个实数值,a<b。
表2
索引 | 先验概率 | 备注 |
1 | <=0.3 | 光照条件1 |
2 | (0.3,0.5] | 光照条件2 |
3 | >0.5 | 光照条件3 |
再比如,不同距离条件下,量化先验概率模板可以如下表3所示,其中,下表中的a、b为(0,1)之间的一个实数值,a<b。
表3
索引 | 先验概率 | 备注 |
1 | <=0.4 | 距离条件1 |
2 | (0.4,0.6] | 距离条件2 |
3 | >0.6 | 距离条件3 |
再比如,不同天气条件下,量化先验概率模板可以如下表4所示,其中,下表中的a、b为(0,1)之间的一个实数值,a<b。
索引 | 先验概率 | 备注 |
1 | <=0.4 | 天气条件1 |
2 | (0.4,0.6] | 天气条件2 |
3 | >0.6 | 天气条件3 |
通过设置先验概率模板,车辆终端向云端发送第一先验概率和第二先验概率,云端利用该数据信息,进行第一后验概率和第二后验概率计算,进而可以根据第一后验概率和第二后验概率来判决是否使用地图更新数据,从而提高了发送给车辆终端的地图更新数据的使用可靠度,保障车辆终端使用地图更新数据的安全性。
本申请实施例提供的一种地图数据的更新装置的结构示意图,可以参考图5,该地图数据的更新装置包括:
存储器740和处理器730;
存储器740,用于存储计算机程序;
处理器730,用于执行存储器存储的计算机程序,以实现上述实施例中的数据传输方法、数据处理方法以及地图数据的更新方法。具体可以参见前述方法实施例中的相关描述。
可选地,存储器740既可以是独立的,也可以跟处理器730集成在一起。
当存储器740是独立于处理器730之外的器件时,地图数据的更新装置还可以包括:
总线,用于连接存储器730和处理器740。
可选地,本实施例还包括:通信接口,该通信接口可以通过总线与处理器740连接。处理器730可以控制通信接口来实现地图数据的更新装置的上述的接收和发送的功能。实现原理和技术效果与方法实施例类似,其中各个模块的功能可以参考方法实施例中相应的描述,此处不再赘述。
本申请实施例提供了一种服务器,如图5所示,包括上述实施例的传输装置、处理装置、以及更新装置。实现原理和技术效果与方法实施例类似,其中各个模块的功能可以参考方法实施例中相应的描述,此处不再赘述。
本申请实施例还提供了一种服务器,可以参考图5,该装置可以用于执行上述方法实施例中对应的各个步骤和/或流程。实现原理和技术效果类似,其中各个模块的功能可以参考方法实施例中相应的描述,此处不再赘述。
本申请实施例还提供了一种可读存储介质,包括:所述可读存储介质中存储有执行指令,当地图数据的更新装置、数据传输装置、或数据处理装置的至少一个处理器执行该执行指令时,所述数据处理装置、数据传输装置、或地图数据的更新装置执行上述实施例所述的地图数据的更新方法。实现原理和技术效果类似,其中各个模块的功能可以参考方法实施例中相应的描述,此处不再赘述。
本申请实施例还提供了一种芯片,包括至少一个处理器,所述处理器与存储器耦合,所述处理器用于读取存储器中的指令并根据所述指令执行上述方法实施例所述的方法。实现原理和技术效果类似,其中各个模块的功能可以参考方法实施例中相应的描述,此处不再赘述。
本申请实施例还提供了一种路侧单元,包括上述实施例的更新装置。实现原理和技术效果与方法实施例类似,其中各个模块的功能可以参考方法实施例中相应的描述,此处不再赘述。
本身亲该实施例还提供一种计算机指令,所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。图13示意性地示出根据这里展示的至少一些实施例而布置的示例计算机程序产品的概念性局部视图,所述示例计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。在一个实施例中,示例计算机程序产品600是使用信号承载介质601来提供的。所述信号承载介质601可以包括一个或多个程序指令602,其当被一个或多个处理器运行时可以提供以上针对图7描述的功能或者部分功能。因此,例如,参考图7中所示的实施例,步骤S01-S08的一个或多个特征可以由与信号承载介质601相关联的一个或多个指令来承担。此外,图13中的程序指令602也描述示例指令。
在一些示例中,信号承载介质601可以包含计算机可读介质603,诸如但不限于,硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等等。在一些实施方式中,信号承载介质601可以包含计算机可记录介质604,诸如但不限于,存储器、读/写(R/W)CD、R/W DVD、等等。在一些实施方式中,信号承载介质601可以包含通信介质605,诸如但不限于,数字和/或模拟通信介质(例如,光纤电缆、波导、有线通信链路、无线通信链路、等等)。因此,例如,信号承载介质601可以由无线形式的通信介质605(例如,遵守IEEE 802.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令602可以是,例如,计算机可执行指令或者逻辑实施指令。在一些示例中,诸如针对图3-图5描述的计算设备的计算设备可以被配置为,响应于通过计算机可读介质603、计算机可记录介质604、和/或通信介质605中的一个或多个传达到计算设备的程序指令602,提供各种操作、功能、或者动作。应该理解,这里描述的布置仅仅是用于示例的目的。因而,本领域技术人员将理解,其它布置和其它元素(例如,机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用,并且一些元素可以根据所期望的结果而一并省略。另外,所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。
需要说明的是,本申请实施例中对模块的划分是示意性的,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。在本申请的实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块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全部或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接种中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或者部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序的介质。
在上述实施例中,可以全部或者部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用戒指或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘solid State Disk(SSD)等。
所述程序指令可以以软件功能单元的形式实现并能够作为独立的产品销售或使用,所述存储器可以是任意形式的计算机可读取存储介质。基于这样的理解,本申请的技术方案全部或部分可以以软件产品的形式体现出来,包括若干指令用以使得亿台计算机设备,具体可以是处理器,来执行本申请各个实施例中目标检测装置的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存储存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序的介质。
本实施例以上所述的电子设备,可以用于执行上述各方法实施例的技术方案,其实现原理和技术效果类似,其中各个器件的功能可以参考实施例中相应的描述,此处不再赘述。
最后应说明的是:以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,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所述权利要求的保护范围为准。
Claims (32)
1.一种数据传输方法,其特征在于,所述方法包括:
确定目标信息对应的地图元素的至少一个先验概率,其中,所述目标信息是车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
发送所述目标信息、所述至少一个先验概率以及与所述每个先验概率对应的第一条件。
2.根据权利要求1所述的传输方法,其特征在于:
所述第一条件包括所述目标信息对应的地图元素的类型、地图元素的位置、地图元素的检测时间、传感器类型、或设计运行条件中的至少一个。
3.根据权利要求2所述的传输方法,其特征在于:
所述传感器类型包括激光雷达、摄像头、毫米波雷达、或超声波中的至少一个。
4.根据权利要求1-3中任一项所述的传输方法,其特征在于:
所述对应关系包括表格或公式。
5.根据权利要求1至4中任一项所述的传输方法,其特征在于:
不同的所述传感器类型对应的所述第一条件不同。
6.根据权利要求2至5中任一项所述的传输方法,其特征在于:
当所述传感器类型为摄像头时,所述第一条件包括所述目标信息对应的光照条件、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
7.根据权利要求2至5中任一项所述的传输方法,其特征在于:
当所述传感器类型为激光雷达时,所述先验概率对应的第一条件包括所述目标信息对应的反射率、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
8.根据权利要求2至5中任一项所述的传输方法,其特征在于:
当所述传感器类型为毫米波雷达时,所述先验概率对应的第一条件包括所述目标信息对应的干扰级别、所述目标信息对应的纵向距离、或所述目标信息对应的横向距离中的至少一个。
9.根据权利要求1至8中任一项所述的方法,其特征在于:
所述先验概率为贝叶斯估计算法中的先验概率的量化值。
10.一种数据传输装置,其特征在于,所述装置包括:
确定模块,用于确定目标信息对应的地图元素的至少一个先验概率,其中,所述目标信息是车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
发送模块,用于发送所述目标信息、所述至少一个先验概率以及与所述每个先验概率对应的第一条件。
11.根据权利要求10所述的传输装置,其特征在于:
所述第一条件包括所述目标信息对应的地图元素的类型、地图元素的位置、地图元素的检测时间、传感器类型、或设计运行条件中的至少一个。
12.根据权利要求11所述的传输装置,其特征在于:
所述传感器类型包括激光雷达、摄像头、毫米波雷达、或超声波中的至少一个。
13.根据权利要求10至12任一项所述的传输装置,其特征在于:
所述对应关系包括表格或公式。
14.根据权利要求11至13中任一项所述的传输装置,其特征在于:
不同的所述传感器类型对应的所述第一条件不同。
15.根据权利要求11至14中任一项所述的传输装置,其特征在于:
当所述传感器类型为摄像头时,所述第一条件包括所述目标信息对应的光照条件、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
16.根据权利要求11至14中任一项所述的传输装置,其特征在于:
当所述传感器类型为激光雷达时,所述先验概率对应的第一条件包括所述目标信息对应的反射率、所述目标信息对应的纵向距离、所述目标信息对应的横向距离、或所述目标信息对应的天气信息中的至少一个。
17.根据权利要求11至14中任一项所述的传输装置,其特征在于:
当所述传感器类型为毫米波雷达时,所述先验概率对应的第一条件包括所述目标信息对应的干扰级别、所述目标信息对应的纵向距离、或所述目标信息对应的横向距离中的至少一个。
18.根据权利要求10至17中任一项所述的传输装置,其特征在于:
所述先验概率为贝叶斯估计算法中的先验概率的量化值。
19.一种数据处理方法,其特征在于,所述方法包括:
接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,其中,所述目标信息为车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
基于所述至少一个先验概率计算所述目标信息的后验概率;
基于所述后验概率,判定所述目标在所述自然环境中是否存在。
20.根据权利要求19所述的数据处理方法,其特征在于,所述接收至少一个先验概率包括:
接收第一先验概率和第二先验概率,其中,所述第一先验概率是在w1状态下的先验概率,所述w1表征所述目标存在,所述第二先验概率是w2状态下的先验概率,所述w2表征所述目标不存在。
21.根据权利要求20所述的方法,其特征在于,所述基于所述至少一个先验概率计算所述目标信息的后验概率包括:
基于所述第一先验概率计算第一后验概率;
基于所述第二先验概率计算第二后验概率;
其中第一后验概率是所述w1状态下的后验概率,第二后验概率是所述w2状态下的后验概率。
22.根据权利要求21所述的方法,其特征在于,所述基于所述后验概率,判定所述目标在所述自然环境中是否存在包括:
当所述第一后验概率大于所述第二后验概率时,判定所述目标在所述自然环境中存在;或者
当所述第一后验概率不大于所述第二后验概率时,判定所述目标在所述自然环境中不存在。
23.根据权利要求19至22中任一项所述的方法,其特征在于:
所述先验概率为贝叶斯估计算法中的先验概率的量化值;
或者
所述后验概率为贝叶斯估计算法中的后验概率的量化值。
24.一种数据处理装置,其特征在于,所述装置包括:
接收模块,用于接收目标信息、至少一个先验概率以及与所述至少一个先验概率中的每个先验概率对应的第一条件,其中,所述目标信息反映了车辆感知周边环境所检测到的关于目标的信息,所述先验概率是所述目标在第一条件下存在的概率,所述至少一个先验概率中的每个先验概率对应一个所述第一条件;
计算模块,用于基于所述至少一个先验概率计算所述目标信息的后验概率;
判定模块,用于基于所述后验概率,判定所述目标在所述自然环境中是否存在。
25.根据权利要求24所述的装置,其特征在于,所述接收模块用于:
接收第一先验概率和第二先验概率,其中,所述第一先验概率是在w1状态下的先验概率,所述w1表征所述目标存在,所述第二先验概率是w2状态下的先验概率,所述w2表征所述目标不存在。
26.根据权利要求25所述的装置,其特征在于,所述计算模块具体用于:
基于所述第一先验概率计算第一后验概率;
基于所述第二先验概率计算第二后验概率;
其中第一后验概率是所述w1状态下的后验概率,第二后验概率是所述w2状态下的后验概率。
27.根据权利要求24至26中任一项所述的装置,其特征在于,所述判定模块具体用于:
当所述第一后验概率大于所述第二后验概率时,判定所述目标在所述自然环境中存在;或者
当所述第一后验概率不大于所述第二后验概率时,判定所述目标在所述自然环境中不存在。
28.根据权利要求24至27中任一项所述的装置,其特征在于:
所述先验概率为贝叶斯估计算法中的先验概率的量化值;
或者
所述后验概率为贝叶斯估计算法中的后验概率的量化值。
29.一种数据传输装置,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于当调用并执行存储器中的程序指令时,执行如权利要求1-9任意一项所述的数据传输方法。
30.一种可读存储介质,其特征在于,所述可读存储介质中存储有执行指令,当数据传输装置的至少一个处理器执行该执行指令时,所述数据传输装置执行如权利要求1-9任意一项所述的数据传输方法。
31.一种数据处理装置,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于当调用并执行存储器中的程序指令时,执行如权利要求19-23任一项所述的数据传输方法。
32.一种可读存储介质,其特征在于,所述可读存储介质存储有执行指令,当数据处理装置的至少一个处理器执行该执行指令时,所述数据处理装置执行如权利要求19-23任一项所述的数据传输方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011054715.7A CN114363308B (zh) | 2020-09-29 | 2020-09-29 | 一种地图数据的传输方法及装置 |
PCT/CN2021/117860 WO2022068558A1 (zh) | 2020-09-29 | 2021-09-11 | 一种地图数据的传输方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011054715.7A CN114363308B (zh) | 2020-09-29 | 2020-09-29 | 一种地图数据的传输方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114363308A true CN114363308A (zh) | 2022-04-15 |
CN114363308B CN114363308B (zh) | 2023-06-02 |
Family
ID=80949633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011054715.7A Active CN114363308B (zh) | 2020-09-29 | 2020-09-29 | 一种地图数据的传输方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114363308B (zh) |
WO (1) | WO2022068558A1 (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860344B1 (en) * | 2005-05-06 | 2010-12-28 | Stochastech Corporation | Tracking apparatus and methods using image processing noise reduction |
US20140032018A1 (en) * | 2012-07-26 | 2014-01-30 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Estimating States of Spacecraft in Planet-Moon Environment |
CN105606102A (zh) * | 2016-01-27 | 2016-05-25 | 中国地质大学(武汉) | 一种基于格网模型的pdr室内定位方法及系统 |
CN107422326A (zh) * | 2017-03-30 | 2017-12-01 | 燕山大学 | 基于贝叶斯估计的水下目标追踪方法 |
CN110146909A (zh) * | 2018-09-06 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 一种定位数据处理方法 |
US20200207369A1 (en) * | 2018-12-26 | 2020-07-02 | Uatc, Llc | All Mover Priors |
CN111476286A (zh) * | 2020-04-02 | 2020-07-31 | 哈尔滨工程大学 | 一种移动机器人构建地图方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6736412B2 (ja) * | 2016-08-10 | 2020-08-05 | 三菱重工業株式会社 | 目標物監視システムおよび目標物監視方法 |
CN107561549B (zh) * | 2017-08-17 | 2020-07-24 | 广州视源电子科技股份有限公司 | 终端位置的重定位方法、装置、终端及存储介质 |
US10480952B2 (en) * | 2018-02-01 | 2019-11-19 | Didi Research America, Llc | Probabilistic navigation system and method |
-
2020
- 2020-09-29 CN CN202011054715.7A patent/CN114363308B/zh active Active
-
2021
- 2021-09-11 WO PCT/CN2021/117860 patent/WO2022068558A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860344B1 (en) * | 2005-05-06 | 2010-12-28 | Stochastech Corporation | Tracking apparatus and methods using image processing noise reduction |
US20140032018A1 (en) * | 2012-07-26 | 2014-01-30 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Estimating States of Spacecraft in Planet-Moon Environment |
CN105606102A (zh) * | 2016-01-27 | 2016-05-25 | 中国地质大学(武汉) | 一种基于格网模型的pdr室内定位方法及系统 |
CN107422326A (zh) * | 2017-03-30 | 2017-12-01 | 燕山大学 | 基于贝叶斯估计的水下目标追踪方法 |
CN110146909A (zh) * | 2018-09-06 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 一种定位数据处理方法 |
US20200207369A1 (en) * | 2018-12-26 | 2020-07-02 | Uatc, Llc | All Mover Priors |
CN111476286A (zh) * | 2020-04-02 | 2020-07-31 | 哈尔滨工程大学 | 一种移动机器人构建地图方法 |
Non-Patent Citations (1)
Title |
---|
于渊,郑银香,赵成林,魏子平,陶艺文,李斌: "车载毫米波雷达目标检测与定位技术研究", 《移动通信》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114363308B (zh) | 2023-06-02 |
WO2022068558A1 (zh) | 2022-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021023102A1 (zh) | 地图更新方法、装置及存储介质 | |
US11520331B2 (en) | Methods and apparatus to update autonomous vehicle perspectives | |
US11235777B2 (en) | Vehicle path prediction and target classification for autonomous vehicle operation | |
EP3078937B1 (en) | Vehicle position estimation system, device, method, and camera device | |
JP6997301B2 (ja) | デジタル地図のデジタルモデルを作成および/または更新するためのシステム | |
US11408739B2 (en) | Location correction utilizing vehicle communication networks | |
EP4089659A1 (en) | Map updating method, apparatus and device | |
CN111125293B (zh) | 公交网络模型自动生成方法、装置及电子设备 | |
CN113127583A (zh) | 一种数据传输方法和装置 | |
US20230119940A1 (en) | Map update data processing method, apparatus, and system | |
CN110730416A (zh) | 基于定位数据的车辆安全管理方法和装置 | |
WO2022142870A1 (zh) | 用于车联网的数据传输方法、装置、存储介质和系统 | |
CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
CN111212375A (zh) | 定位位置调整方法及其装置 | |
CN115129796A (zh) | 定位数据分析方法、装置、设备和介质 | |
CN112147635A (zh) | 一种检测系统、方法及装置 | |
US20190279504A1 (en) | Method, device and system for wrong-way driver detection | |
CN114363308B (zh) | 一种地图数据的传输方法及装置 | |
CN115060249A (zh) | 电子地图的构建方法、装置、设备和介质 | |
Xue et al. | Point-cloud map update for connected and autonomous vehicles based on vehicle infrastructure cooperation: framework and field experiments | |
CN114608589A (zh) | 一种多传感器信息融合方法及系统 | |
Sharma et al. | Accurate real-time location map matching algorithm for large scale trajectory data | |
Wang et al. | Development and verification of cooperative adaptive cruise control via LTE‐V | |
CN115512511A (zh) | 一种预警方法、装置、移动终端及可读存储介质 | |
CN111524389A (zh) | 车辆驾驶方法和装置 |
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 |