CN114419563A - 一种数据处理方法、装置、系统、电子设备及存储介质 - Google Patents
一种数据处理方法、装置、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114419563A CN114419563A CN202111545049.1A CN202111545049A CN114419563A CN 114419563 A CN114419563 A CN 114419563A CN 202111545049 A CN202111545049 A CN 202111545049A CN 114419563 A CN114419563 A CN 114419563A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data set
- data
- posture
- pose
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本申请实施例所公开的一种数据处理方法、装置、系统、电子设备及存储介质,包括获取车辆的第一位姿数据集、目标对象的第二位姿数据集和车辆相对于目标对象的第三位姿数据集,根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息。第一位姿数据集、第二位姿数据集和第三位姿数据集的采样时间相同,第一位姿数据集和第二位姿数据集是基于车辆上的定位设备采集的,第三位姿数据集是基于车载摄像设备采集的。基于本申请实施例,可以对车载摄像设备检测到的目标对象的位姿数据集进行验证,通过卫星定位系统获取数据,可以提高采集的数据的精确性,可以提高验证的正确性。
Description
技术领域
本发明涉及车载摄像设备的数据处理领域,尤其涉及一种数据处理方法、装置、系统、电子设备及存储介质。
背景技术
无人驾驶是当前汽车科技发展的主流,车辆横向控制系统作为无人驾驶的核心技术,通过车载摄像设备采集左右车道线,并实时计算车辆相对于左右车道线的距离,以自动控制车辆转向,保证车辆行驶在自身车道内,可以大幅度减少车辆偏离车道引起的交通事故。传统对车载摄像设备采集的车道线的验证大多依赖人工校验,不仅校验效率低,费时费力,而且校验精度低,达不到预期效果。
现有校验方法中,一种方法是从图像处理角度出发,通过临时安装在车辆前轮挡泥板上的摄像头对车辆偏离车道时的路面图像进行采集,得到车辆相对于左右车道线的距离。该种方法利用外装摄像头对自车摄像头采集的车道线数据进行校验,所得数据的对比性较差,自车摄像头采集的车道线真值无法得到有效验证。
另一种方法是对高精地图中自车所在位置的车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,进而利用车道线点列在车辆坐标系下的位置与自车摄像头采集车道线进行对比。该种方法受限于高精度地图的精度无法满足要求,更新不及时,地域性差异较大,精度难以保障。
发明内容
本申请实施例提供了一种数据处理方法、装置、系统、电子设备及存储介质,可以对车载摄像设备检测到的目标对象的运动数据集进行验证。并且,通过对第一位姿数据集和第二位姿数据集进行差分校正,可以进一步提高车辆上的定位设备的检测精度,进而进一步提高后续车载摄像设备检测到的目标对象的运动数据集的精确性。此外,通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于外围摄像头采集的数据,比对性更强,可以提高验证的正确性。采用该数据处理方法可以对车载摄像设备的感知数据处理方法进行改善,以提高车载摄像设备检测的精度,进而可以提高驾驶辅助系统的安全性。
本申请实施例提供了一种数据处理方法,该数据处理方法用于处理车载摄像设备采集的数据,数据处理方法包括:
获取车辆的第一位姿数据集,目标对象的第二位姿数据集和车辆相对于目标对象的第三位姿数据集;
根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息;
其中,第一位姿数据集、第二位姿数据集和第三位姿数据集的采样时间相同,第一位姿数据集和第二位姿数据集是基于车辆上的定位设备采集的数据,第三位姿数据集是基于车载摄像设备采集的数据。
进一步地,根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息之前,方法还包括:
确定定位设备的定位误差数据集;
根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息,包括:
根据定位误差数据集、第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息。
进一步地,确定定位设备的定位误差数据集,包括:
获取参考对象的标定位置数据集;
基于卫星定位系统获取参考对象的预测位置数据集;
根据标定位置数据集和预测位置数据集,确定定位设备的定位误差数据集。
进一步地,根据定位误差数据集、第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息,包括:
根据第一位姿数据集和第二位姿数据集,确定车辆相对于目标对象的第四位姿数据集;第三位姿数据集中的第三位姿数据与第四位姿数据集中的第四位姿数据一一对应;
根据第三位姿数据集和第四位姿数据集,确定车载摄像设备的感知误差信息。
进一步地,根据第一位姿数据集和第二位姿数据集,确定车辆相对于目标对象的第四位姿数据集,包括:
根据定位误差数据集和第一位姿数据集,确定车辆的第一校正位姿数据集;
根据定位误差数据集合第二位姿数据集,确定目标对象的第二校正位姿数据集;
基于车辆上的相对信息测量仪,根据第一校正位姿数据集和第二校正位姿数据集,确定车辆相对于目标对象的第四位姿数据集。
进一步地,基于车辆上的相对信息测量仪,根据第一校正位姿数据集和第二校正位姿数据集,确定车辆相对于目标对象的第四位姿数据集,包括:
基于相对信息测量仪和第二校正位姿数据集,确定目标对象对应的局部地图;
基于相对信息测量仪和第一校正位姿数据集,确定车辆在局部地图上的位置数据;
基于局部地图确定车辆相对于目标对象的第四位姿数据集。
进一步地,根据第三位姿数据集和第四位姿数据集,确定车载摄像设备的感知误差信息,包括:
根据一一对应的第三位姿数据和第四位姿数据,确定误差数据集;
根据误差数据集合误差数据集中每个误差数据对应的参考误差阈值,确定车载摄像设备的感知误差信息。
相应地,本申请实施例提供了一种数据处理装置,数据处理装置用于处理车载摄像设备采集的数据,数据处理装置包括:
获取模块,用于获取车辆的第一位姿数据集,目标对象的第二位姿数据集和车辆相对于目标对象的第三位姿数据集;
第一确定模块,用于根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息;
其中,第一位姿数据集、第二位姿数据集和第三位姿数据集的采样时间相同,第一位姿数据集和第二位姿数据集是基于车辆上的定位设备采集的数据,第三位姿数据集是基于车载摄像设备采集的数据。
进一步地,上述装置还包括:
第二确定模块,用于在根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息之前,确定定位设备的定位误差数据集。
第一确定模块,用于根据定位误差数据集、第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息。
进一步地,第二确定模块,包括
第一获取子模块,用于获取参考对象的标定位置数据集;
第二获取子模块,用于基于卫星定位系统获取参考对象的预测位置数据集;
第一确定子模块,用于根据标定位置数据集和预测位置数据集,确定定位设备的定位误差数据集。
进一步地,第一确定模块,包括:
第二确定子模块,用于根据第一位姿数据集和第二位姿数据集,确定车辆相对于目标对象的第四位姿数据集;第三位姿数据集中的第三位姿数据与第四位姿数据集中的第四位姿数据一一对应;
第三确定子模块,用于根据第三位姿数据集和第四位姿数据集,确定车载摄像设备的感知误差信息。
进一步地,第二确定子模块,包括:
第一确定单元,用于根据定位误差数据集和第一位姿数据集,确定车辆的第一校正位姿数据集;
第二确定单元,用于根据定位误差数据集合第二位姿数据集,确定目标对象的第二校正位姿数据集;
第三确定单元,用于基于车辆上的相对信息测量仪,根据第一校正位姿数据集和第二校正位姿数据集,确定车辆相对于目标对象的第四位姿数据集。
进一步地,第三确定单元,包括:
第一确定子单元,用于基于相对信息测量仪和第二校正位姿数据集,确定目标对象对应的局部地图;
第二确定子单元,用于基于相对信息测量仪和第一校正位姿数据集,确定车辆在局部地图上的位置数据;
基于局部地图确定车辆相对于目标对象的第四位姿数据集。
进一步地,第三确定子模块,包括:
第四确定单元,用于根据一一对应的第三位姿数据和第四位姿数据,确定误差数据集;
第五确定单元,用于根据误差数据集合误差数据集中每个误差数据对应的参考误差阈值,确定车载摄像设备的感知误差信息。
相应地,本申请实施例提供了一种车载摄像设备的感知误差确定系统,包括:
定位设备,定位设备设置在车辆上,定位设备用于获取车辆的第一位姿数据集和目标对象的第二位姿数据集;
车载摄像设备,车载摄像设备设置在车辆上,车载摄像设备用于获取车辆相对于目标对象的第三位姿数据集;
相对信息测量仪,相对信息测量仪设置在车辆上,相对信息测量仪用于根据第一位姿数据集和第二位姿数据集,确定车辆相对于目标对象的第四位姿数据集;
处理器,处理器用于加载并执行以实现上述数据处理方法。
相应地,本申请实施例还提供了一种电子设备,该电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述数据处理方法方法。
相应地,本申请实施例还提供了一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述数据处理方法方法。
本申请实施例具有如下有益效果:
本申请实施例所公开的一种数据处理方法、装置、系统、电子设备及存储介质,包括获取车辆的第一位姿数据集,目标对象的第二位姿数据集和车辆相对于目标对象的第三位姿数据集,并根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息。其中,第一位姿数据集、第二位姿数据集和第三位姿数据集的采样时间相同,第一位姿数据集和第二位姿数据集是基于车辆上的定位设备采集的数据,第三位姿数据集是基于车载摄像设备采集的数据。基于本申请实施例,可以对车载摄像设备检测到的目标对象的运动数据集进行验证。并且,通过对第一位姿数据集和第二位姿数据集进行差分校正,可以进一步提高车辆上的定位设备的检测精度,进而进一步提高后续车载摄像设备检测到的目标对象的运动数据集的精确性。此外,通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于外围摄像头采集的数据,比对性更强,可以提高验证的正确性。采用该数据处理方法可以对车载摄像设备的感知数据处理方法进行改善,以提高车载摄像设备检测的精度,进而可以提高驾驶辅助系统的安全性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本申请实施例所提供的一种应用环境的示意图;
图2是本申请实施例提供的一种数据处理方法的流程示意图;
图3是本申请实施例提供的卫星定位系统的结构示意图;
图4是本申请实施例提供的另一种数据处理方法的流程示意图;
图5是本申请实施例提供的一种数据处理装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例作进一步地详细描述。显然,所描述的实施例仅仅是本申请一个实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
此处所称的“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请实施例的描述中,需要理解的是,术语“上”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置/系统或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。术语“第一”、“第二”、“第三”和“第四”等仅用于描述目的,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”、“第三”和“第四”等的特征可以明示或者隐含的包括一个或者更多个该特征。而且,术语“第一”、“第二”、“第三”和“第四”等等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例能够以除了在这里图示或描述以外的顺序实施。此外,术语“包括”、“具有”和“为”以及他们的任何变形,意图在于覆盖不排他的包含。
请参阅图1,其所示为本申请实施例所提供的一种应用环境的示意图,包括车辆101和车道线103,车辆上安装有卫星定位系统1011、车载摄像设备1013和车载处理器1015。该车辆101上的卫星定位系统1011可以包括定位仪和相对信息测量仪。
其中,定位仪可以用于获取车辆的第一位姿数据集和车道线的第二位姿数据集。第一位姿数据集包括但不限于车辆在车辆坐标系中的位置数据,第二位姿数据集包括但不限于车道线在车辆坐标系中的位置数据。车载摄像设备可以获取车辆相对于车道线的第三位姿数据集,该第三位姿数据集包括但不限于车辆相对于车道线的横向距离、夹角。相对信息测量仪可以用于根据第一位姿数据集和第二位姿数据集,确定车辆相对于车道线的第四位姿数据集,该第四待比对数据集包括但不限于车辆相对于车道线的横向距离、夹角。处理器可以根据第三位姿数据集和第四位姿数据集,确定车载摄像设备的误差信息。处理器可以用于加载并执行以实现上述数据处理方法。
本申请实施例中,对车载摄像设备检测到的目标对象的运动数据集进行验证。并且,通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于外围摄像头采集的数据,比对性更强,可以提高验证的正确性。采用该数据处理方法可以对车载摄像设备的感知数据处理方法进行改善,以提高车载摄像设备检测的精度,进而可以提高驾驶辅助系统的安全性。
实施例一
下面介绍本申请一种数据处理方法的具体实施例,图2是本申请实施例提供的一种数据处理方法的流程示意图,本说明书提供了如实施例或流程图所示的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式,不代表唯一的执行顺序,在实际执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
本申请实施例中,数据处理方法可以用于处理车载摄像设备采集的数据,即对车载摄像设备检测到的目标对象的位姿数据进行验证。其中,车载摄像设备可以是车载摄像头、也可以是行车记录仪。
具体的如图2所示,该方法可以包括:
S201:获取车辆的第一位姿数据集,目标对象的第二位姿数据集和车辆相对于目标对象的第三位姿数据集。
本申请实施例中,可以在车辆上设置卫星定位系统、车载摄像设备和处理器,卫星定位系统可以包括定位设备和相对信息测量仪。定位设备和相对信息测量仪可以设置在车辆的内部,车载摄像设备可以设置在车牌架牌照灯对应的位置处,上述位置设置仅是本申请实施例列举的示例性设置方式,不代表唯一的设置方式。
本申请实施例中,目标对象可以包括车道线、道路栏杆、花坛等不具备运动属性的对象。
本申请实施例中,定位设备可以是定位仪RT,相对信息测量仪可以是RTrange。图3是本申请实施例提供的卫星定位系统的结构示意图。通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于在车辆前轮挡泥板安装的摄像设备采集的数据,比对性更强。
在一种可选的实施方式中,在控制车辆沿着目标对象进行打点定位的过程中,即在车辆沿着车道线进行打点定位的过程中,可以基于定位仪获取车辆的第一位姿数据集,并传输至车辆上的相对信息测量仪。其中,第一位姿数据集可以包括但不限于车辆在每个采样时刻的图像等数据。在获取车辆的第一位姿数据集的同时,可以基于定位仪获取目标对象的第二位姿数据集,并传输至车辆上的相对信息测量仪。其中,第二位姿数据集可以包括但不限于目标对象在每个采样时刻的图像等数据。通过获取车辆沿着目标对象进行打点定位的过程中,车辆的第一位姿数据集和目标对象的第二位姿数据集,可以验证多场景下车载摄像设备检测到的目标对象的位姿数据集的精确性。
本申请实施例中,在获取每个采样时刻的第一位姿数据集和第二位姿数据集之后,可以将第一位姿数据集和第二位姿数据集均映射至车辆坐标系下,得到车辆在每个采样时刻的横纵坐标数据等信息,以及目标对象在每个采样时刻的横纵坐标数据等信息。通过将第一位姿数据集和第二位姿数据集映射至同一坐标系,统一基准,可以提高车载摄像设备检测到的目标对象的位姿数据集的精确性。
本申请实施例中,车载摄像设备可以获取目标对象的第三位姿数据集,该第三位姿数据集包括但不限于每个采样时刻车辆相对于目标对象的横向距离、夹角等信息。该横向距离、夹角可以是在车辆坐标系下的数据,也可以是在车载摄像设备坐标系下的数据。
在一种可选的实施方式中,车载摄像设备可以获取目标对象在每个采样时刻的图像数据等信息,进而通过车载摄像设备对应的感知数据处理方法,输出目标对象在车载摄像设备坐标系下的横向距离、夹角等信息。之后可以通过车载摄像设备与车辆坐标系之间的转换规则,得到包括在车辆坐标系下目标对象的横向距离、夹角的第三位姿数据集。然后可以以报文的形式传输至车辆上的CAN。通过基于车载摄像设备得到在车辆坐标系下车辆相对于目标对象的横向距离、夹角,可以节约处理器的资源。
本申请实施例中,可以将第一位姿数据集、第二位姿数据集和第三位姿数据集存储于处理器的数据存储单元。该数据存储单元可以对第一位姿数据集、第二位姿数据集和第三位姿数据集进行去除毛刺点、飞边点、添加定位点等处理。
S203:根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息;其中,第一位姿数据集、第二位姿数据集和第三位姿数据集的采样时间相同,第一位姿数据集和第二位姿数据集是基于车辆上的定位设备采集的数据,第三位姿数据集是基于车载摄像设备采集的数据。
本申请实施例中,处理器可以根据第一位姿数据集和第二位姿数据集,确定目标对象的第四位姿数据集,并根据第三位姿数据集和第四位姿数据集,确定车载摄像设备的感知误差信息。
在一种可选的实施方式中,相对信息测量仪在获取第一位姿数据集和第二位姿数据集之后,可以根据第二位姿数据集确定目标对象对应的局部地图,即生成车道线的局部地图,进而根据第一位姿数据集确定车辆在目标对象对应的局部地图上的位置数据,即将车辆和车道线映射至同一局部地图中,该地图对应的坐标系可以是车辆坐标系。之后,可以基于局部地图,确定车辆相对于目标对象的横向距离、夹角等信息,进而可以以报文的形式传输至车辆上的CAN。
本申请实施例中,处理器可以采用报文采集工具canalyzer获取同一采样时刻车载摄像设备获取的车辆相对于目标对象的第三位姿数据集和相对信息测量仪输出的车辆相对于目标对象的第四位姿数据集。其中,第三位姿数据集中的第三位姿数据与第四位姿数据集中的第四位姿数据是一一对应的。例如,车载摄像设备采集的车辆相对于目标对象的横向距离与相对信息测量仪输出的车辆相对于目标对象的横向距离对应,车载摄像设备采集的车辆相对于目标对象的夹角与相对信息测量仪输出的车辆相对于目标对象的夹角对应。然后,可以根据第三位姿数据集和第四位姿数据集,确定车载摄像设备的感知误差信息。
在一种可选的实施方式中,可以预先设定参考误差阈值集合,该参考误差阈值集合可以包括横向距离误差阈值X0、夹角误差阈值θ0。处理器可以根据一一对应的第三位姿数据和第四位姿数据,确定误差数据集,该误差数据集可以是每个采样时刻对应的误差数据集,进而可以根据误差数据和误差数据集中每个误差数据对应的参考误差阈值,确定车载摄像设备的感知误差信息。可选地,可以根据车载摄像设备采集的车辆相对于目标对象的横向距离X1和相对信息测量仪输出的车辆相对于目标对象的横向距离X2,确定横向距离误差ΔX=X1-X2,根据车载摄像设备采集的车辆相对于目标对象的夹角θ1与相对信息测量仪输出的车辆相对于目标对象的夹角θ2,确定夹角误差Δθ=θ1-θ2,并将横向距离误差ΔX与横向距离误差阈值X0进行比较,将夹角误差Δθ与夹角误差阈值θ0进行比较。若横向距离误差ΔX小于横向距离误差阈值X0,且夹角误差Δθ小于夹角误差阈值θ0,则可以判定车载摄像设备的感知误差信息为“精度较佳”或者“车载摄像设备精度合格”。若横向距离误差ΔX小于横向距离误差阈值X0,且夹角误差Δθ大于等于夹角误差阈值θ0,或者,横向距离误差ΔX大于等于横向距离误差阈值X0,且夹角误差Δθ小于夹角误差阈值θ0,或者,横向距离误差ΔX大于等于横向距离误差阈值X0,且夹角误差Δθ大于等于夹角误差阈值θ0,则可以判定车载摄像设备的感知误差信息为“精度较差”或者“车载摄像设备精度不合格”。
采用本申请实施例提供的数据处理方法,对车载摄像设备检测到的目标对象的运动数据集进行验证。并且,通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于外围摄像头采集的数据,比对性更强,可以提高验证的正确性。采用该数据处理方法可以对车载摄像设备的感知数据处理方法进行改善,以提高车载摄像设备检测的精度,进而可以提高驾驶辅助系统的安全性。
实施例二
下面介绍本申请一种数据处理方法的具体实施例,图4是本申请实施例提供的另一种数据处理方法的流程示意图,本说明书提供了如实施例或流程图所示的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式,不代表唯一的执行顺序,在实际执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
本申请实施例中,数据处理方法可以用于处理车载摄像设备采集的数据,即对车载摄像设备检测到的目标对象的位姿数据进行验证。其中,车载摄像设备可以是车载摄像头、也可以是行车记录仪。
具体的如图4所示,该方法可以包括:
S401:确定定位设备的定位误差数据集。
本申请实施例中,可以在车辆上设置卫星定位系统、车载摄像设备和处理器,卫星定位系统可以包括定位设备和相对信息测量仪。定位设备和相对信息测量仪可以设置在车辆的内部,车载摄像设备可以设置在车牌架牌照灯对应的位置处,上述位置设置仅是本申请实施例列举的示例性设置方式,不代表唯一的设置方式。
本申请实施例中,目标对象可以包括车道线、道路栏杆、花坛等不具备运动属性的对象。
本申请实施例中,定位设备可以是定位仪RT,相对信息测量仪可以是RTrange。通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于在车辆前轮挡泥板安装的摄像设备采集的数据,比对性更强。
本申请实施例中,由于卫星定位时存在一定的误差,因此需要对定位设备获取的第一位姿数据集和第二位姿数据集进行校正。处理器可以获取参考对象的标定位置数据集,并基于卫星定位系统获取参考对象的预测位置数据集,进而可以根据标定位置数据集和预测位置数据集,确定定位设备的定位误差数据集。
在一种具体的实施方式中,参考对象可以是具有反馈标定位置数据集能力的设备,例如,参考对象可以是基站。因此,可以通过基站的标定位置和伪距对第一位姿数据集和第二位姿数据集进行校正。在基站初始化后,可以输出在空间坐标系下自身的绝对位置,进而通过对比基站的绝对位置和卫星定位系统检测到基站的卫星位置,计算出卫星定位系统的定位误差,并将该定位误差传输至定位仪。即定位设备在获取第一位姿数据集和第二位姿数据集的同时,还获取定位误差数据。通过将定位误差数据集传输至车辆上的定位设备,可以对第一位姿数据集和第二位姿数据集进行差分校正,相较于实施例一中的数据处理方法,可以进一步提高车辆上的定位设备的检测精度,进而进一步提高后续车载摄像设备检测到的目标对象的运动数据集的精确性。
S403:获取车辆的第一位姿数据集,目标对象的第二位姿数据集和车辆相对于目标对象的第三位姿数据集。
本申请实施例中,在控制车辆沿着目标对象进行打点定位的过程中,即在车辆沿着车道线进行打点定位的过程中,可以基于定位仪获取车辆的第一位姿数据集,并传输至车辆上的相对信息测量仪。其中,第一位姿数据集可以包括但不限于车辆在每个采样时刻的图像等数据。在获取车辆的第一位姿数据集的同时,可以基于定位仪获取目标对象的第二位姿数据集,并传输至车辆上的相对信息测量仪。其中,第二位姿数据集可以包括但不限于目标对象在每个采样时刻的图像等数据。通过获取车辆沿着目标对象进行打点定位的过程中,车辆的第一位姿数据集和目标对象的第二位姿数据集,可以验证多场景下车载摄像设备检测到的目标对象的位姿数据集的精确性。
本申请实施例中,在获取每个采样时刻的第一位姿数据集和第二位姿数据集之后,可以将第一位姿数据集和第二位姿数据集均映射至车辆坐标系下,得到车辆在每个采样时刻的横纵坐标数据等信息,以及目标对象在每个采样时刻的横纵坐标数据等信息。通过将第一位姿数据集和第二位姿数据集映射至同一坐标系,统一基准,可以提高车载摄像设备检测到的目标对象的位姿数据集的精确性。
本申请实施例中,车载摄像设备可以获取目标对象的第三位姿数据集,该第三位姿数据集包括但不限于每个采样时刻车辆相对于目标对象的横向距离、夹角等信息。该横向距离、夹角可以是在车辆坐标系下的数据,也可以是在车载摄像设备坐标系下的数据。
在一种可选的实施方式中,车载摄像设备可以获取目标对象在每个采样时刻的图像数据等信息,进而通过车载摄像设备对应的感知数据处理方法,输出目标对象在车载摄像设备坐标系下的横向距离、夹角等信息。之后可以通过车载摄像设备与车辆坐标系之间的转换规则,得到包括在车辆坐标系下目标对象的横向距离、夹角的第三位姿数据集。然后可以以报文的形式传输至车辆上的CAN。通过基于车载摄像设备得到在车辆坐标系下车辆相对于目标对象的横向距离、夹角,可以节约处理器的资源。
本申请实施例中,可以将第一位姿数据集、第二位姿数据集和第三位姿数据集存储于处理器的数据存储单元。该数据存储单元可以对第一位姿数据集、第二位姿数据集和第三位姿数据集进行去除毛刺点、飞边点、添加定位点等处理。
S405:根据定位误差数据集、第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息;其中,第一位姿数据集、第二位姿数据集和第三位姿数据集的采样时间相同,第一位姿数据集和第二位姿数据集是基于车辆上的定位设备采集的数据,第三位姿数据集是基于车载摄像设备采集的数据。
本申请实施例中,处理器可以根据定位误差数据集、第一位姿数据集和第二位姿数据集,确定车辆相对于目标对象的第三位姿数据集,并根据第三位姿数据集和第四位姿数据集,确定车载摄像设备的感知误差信息。
在一种可选的实施方式中,相对信息测量仪在获取第一位姿数据集、第二位姿数据集和定位误差数据集之后,可以对第一位姿数据集中的横纵向位置以及第二位姿数据集中的横纵向位置进行校正处理,输出车辆相对于目标对象的横向距离、夹角,得到第四位姿数据集。可选地,处理器可以根据定位误差数据集和第一位姿数据集,确定车辆的第一校正位姿数据集,并根据定位误差数据集和第二位姿数据集,确定目标对象的第二校正位姿数据集,然后,根据第一校正位姿数据集和第二校正位姿数据集,确定车辆相对于目标对象的第四位姿数据集。进而可以以报文的形式传输至车辆上的CAN。
在一种可选的实施方式中,相对信息测量仪在获取第一校正位姿数据集和第二校正位姿数据集之后,可以根据第二校正位姿数据集确定目标对象对应的局部地图,即生成车道线的局部地图,进而根据第一校正位姿数据集确定车辆在目标对象对应的局部地图上的位置数据,即将车辆和车道线映射至同一局部地图中,该地图对应的坐标系可以是车辆坐标系。之后,可以基于局部地图,确定车辆相对于目标对象的横向距离、夹角等信息,进而可以以报文的形式传输至车辆上的CAN。
本申请实施例中,处理器可以采用报文采集工具canalyzer获取同一采样时刻车载摄像设备获取的车辆相对于目标对象的第三位姿数据集和相对信息测量仪输出的车辆相对于目标对象的第四位姿数据集。其中,第三位姿数据集中的第三位姿数据与第四位姿数据集中的第四位姿数据是一一对应的。例如,车载摄像设备采集的车辆相对于目标对象的横向距离与相对信息测量仪输出的车辆相对于目标对象的横向距离对应,车载摄像设备采集的车辆相对于目标对象的夹角与相对信息测量仪输出的车辆相对于目标对象的夹角对应。然后,可以根据第三位姿数据集和第四位姿数据集,确定车载摄像设备的感知误差信息。
在一种可选的实施方式中,可以预先设定参考误差阈值集合,该参考误差阈值集合可以包括横向距离误差阈值X0、夹角误差阈值θ0。处理器可以根据一一对应的第三位姿数据和第四位姿数据,确定误差数据集,该误差数据集可以是每个采样时刻对应的误差数据集,进而可以根据误差数据和误差数据集中每个误差数据对应的参考误差阈值,确定车载摄像设备的感知误差信息。可选地,可以根据车载摄像设备采集的车辆相对于目标对象的横向距离X1和相对信息测量仪输出的车辆相对于目标对象的横向距离X2,确定横向距离误差ΔX=X1-X2,根据车载摄像设备采集的车辆相对于目标对象的夹角θ1与相对信息测量仪输出的车辆相对于目标对象的夹角θ2,确定夹角误差Δθ=θ1-θ2,并将横向距离误差ΔX与横向距离误差阈值X0进行比较,将夹角误差Δθ与夹角误差阈值θ0进行比较。若横向距离误差ΔX小于横向距离误差阈值X0,且夹角误差Δθ小于夹角误差阈值θ0,则可以判定车载摄像设备的感知误差信息为“精度较佳”或者“车载摄像设备精度合格”。若横向距离误差ΔX小于横向距离误差阈值X0,且夹角误差Δθ大于等于夹角误差阈值θ0,或者,横向距离误差ΔX大于等于横向距离误差阈值X0,且夹角误差Δθ小于夹角误差阈值θ0,或者,横向距离误差ΔX大于等于横向距离误差阈值X0,且夹角误差Δθ大于等于夹角误差阈值θ0,则可以判定车载摄像设备的感知误差信息为“精度较差”或者“车载摄像设备精度不合格”。
采用本申请实施例提供的数据处理方法,可以对车载摄像设备检测到的目标对象的运动数据集进行验证。并且,通过对第一位姿数据集和第二位姿数据集进行差分校正,可以进一步提高车辆上的定位设备的检测精度,进而进一步提高后续车载摄像设备检测到的目标对象的运动数据集的精确性。此外,通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于外围摄像头采集的数据,比对性更强,可以提高验证的正确性。采用该数据处理方法可以对车载摄像设备的感知数据处理方法进行改善,以提高车载摄像设备检测的精度,进而可以提高驾驶辅助系统的安全性。
本申请实施例还提供的一种数据处理装置,图5是本申请实施例提供的一种数据处理装置的结构示意图,该数据处理装置可以用于处理车载摄像设备采集的数据,即对车载摄像设备检测到的目标对象的位姿数据进行验证。
如图5所示,该装置可以包括:
获取模块501用于获取车辆的第一位姿数据集,目标对象的第二位姿数据集和车辆相对于目标对象的第三位姿数据集;
第一确定模块503用于根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息;
其中,第一位姿数据集、第二位姿数据集和第三位姿数据集的采样时间相同,第一位姿数据集和第二位姿数据集是基于车辆上的定位设备采集的数据,第三位姿数据集是基于车载摄像设备采集的数据。
本申请实施例中,上述装置还可以包括:
第二确定模块,用于在根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息之前,确定定位设备的定位误差数据集。
第一确定模块503用于根据定位误差数据集、第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息。
本申请实施例中,第二确定模块可以包括
第一获取子模块,用于获取参考对象的标定位置数据集;
第二获取子模块,用于基于卫星定位系统获取参考对象的预测位置数据集;
第一确定子模块,用于根据标定位置数据集和预测位置数据集,确定定位设备的定位误差数据集。
本申请实施例中,第一确定模块可以包括:
第二确定子模块,用于根据第一位姿数据集和第二位姿数据集,确定车辆相对于目标对象的第四位姿数据集;第三位姿数据集中的第三位姿数据与第四位姿数据集中的第四位姿数据一一对应;
第三确定子模块,用于根据第三位姿数据集和第四位姿数据集,确定车载摄像设备的感知误差信息。
本申请实施例中,第二确定子模块可以包括:
第一确定单元,用于根据定位误差数据集和第一位姿数据集,确定车辆的第一校正位姿数据集;
第二确定单元,用于根据定位误差数据集合第二位姿数据集,确定目标对象的第二校正位姿数据集;
第三确定单元,用于基于车辆上的相对信息测量仪,根据第一校正位姿数据集和第二校正位姿数据集,确定车辆相对于目标对象的第四位姿数据集。
本申请实施例中,第三确定单元可以包括:
第一确定子单元,用于基于相对信息测量仪和第二校正位姿数据集,确定目标对象对应的局部地图;
第二确定子单元,用于基于相对信息测量仪和第一校正位姿数据集,确定车辆在局部地图上的位置数据;
基于局部地图确定车辆相对于目标对象的第四位姿数据集。
本申请实施例中,第三确定子模块可以包括:
第四确定单元,用于根据一一对应的第三位姿数据和第四位姿数据,确定误差数据集;
第五确定单元,用于根据误差数据集合误差数据集中每个误差数据对应的参考误差阈值,确定车载摄像设备的感知误差信息。
本申请实施例中的装置与方法实施例基于同样的申请构思。
采用本申请实施例提供的数据处理装置,可以对车载摄像设备检测到的目标对象的运动数据集进行验证。并且,通过对第一位姿数据集和第二位姿数据集进行差分校正,可以进一步提高车辆上的定位设备的检测精度,进而进一步提高后续车载摄像设备检测到的目标对象的运动数据集的精确性。此外,通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于外围摄像头采集的数据,比对性更强,可以提高验证的正确性。采用该数据处理方法可以对车载摄像设备的感知数据处理方法进行改善,以提高车载摄像设备检测的精度,进而可以提高驾驶辅助系统的安全性。
本申请实施例提供了一种车载摄像设备的感知误差确定系统,包括:
定位设备,定位设备设置在车辆上,定位设备用于获取车辆的第一位姿数据集和目标对象的第二位姿数据集;
车载摄像设备,车载摄像设备设置在车辆上,车载摄像设备用于获取目标对象的第三位姿数据集;
相对信息测量仪,相对信息测量仪设置在车辆上,相对信息测量仪用于根据第一位姿数据集和第二位姿数据集,确定目标对象的第四位姿数据集;
处理器,处理器用于加载并执行以实现上述数据处理方法。采用本申请实施例提供的车载摄像设备的感知误差确定系统,可以对车载摄像设备检测到的目标对象的运动数据集进行验证。并且,通过对第一位姿数据集和第二位姿数据集进行差分校正,可以进一步提高车辆上的定位设备的检测精度,进而进一步提高后续车载摄像设备检测到的目标对象的运动数据集的精确性。此外,通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于外围摄像头采集的数据,比对性更强,可以提高验证的正确性。采用该数据处理方法可以对车载摄像设备的感知数据处理方法进行改善,以提高车载摄像设备检测的精度,进而可以提高驾驶辅助系统的安全性。
本申请实施例还提供的一种电子设备,电子设备可设置于服务器之中以保存用于实现方法实施例中的一种数据处理方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该存储器加载并执行以实现上述的数据处理方法。
本申请实施例还提供的一种存储介质,存储介质可设置于服务器之中以保存用于实现方法实施例中一种数据处理方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述数据处理方法。
可选的,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于包括:U盘、只读存储器(ROM,Read-only Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的数据处理方法、装置、系统、电子设备或存储介质的实施例可见,本申请中方法包括获取车辆的第一位姿数据集,目标对象的第二位姿数据集和车辆相对于目标对象的第三位姿数据集,并根据第一位姿数据集、第二位姿数据集和第三位姿数据集,确定车载摄像设备的感知误差信息。其中,第一位姿数据集、第二位姿数据集和第三位姿数据集的采样时间相同,第一位姿数据集和第二位姿数据集是基于车辆上的定位设备采集的数据,第三位姿数据集是基于车载摄像设备采集的数据。基于本申请实施例,可以对车载摄像设备检测到的目标对象的运动数据集进行验证。并且,通过对第一位姿数据集和第二位姿数据集进行差分校正,可以进一步提高车辆上的定位设备的检测精度,进而进一步提高后续车载摄像设备检测到的目标对象的运动数据集的精确性。此外,通过卫星定位系统获取车辆的第一位姿数据集和目标对象的第二位姿数据集,可以提高采集的第一位姿数据集和第二位姿数据集的精确性,可以使得数据相较于外围摄像头采集的数据,比对性更强,可以提高验证的正确性。采用该数据处理方法可以对车载摄像设备的感知数据处理方法进行改善,以提高车载摄像设备检测的精度,进而可以提高驾驶辅助系统的安全性。
在本发明中,除非另有明确的规定和限定,术语“相连”、“连接”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的相连或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是:上述本申请实施例的先后顺序仅仅为了描述,不代表实施例的优劣,且上述本说明书对特定的实施例进行了描述,其他实施例也在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者而连接顺序才能够实现期望的结果,在某些实施方式中,多任务并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的均为与其他实施例的不同之处。尤其,对于装置的实施例而言,由于其基于相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (11)
1.一种数据处理方法,其特征在于,所述数据处理方法用于处理车载摄像设备采集的数据,所述数据处理方法包括:
获取车辆的第一位姿数据集,目标对象的第二位姿数据集和所述车辆相对于所述目标对象的第三位姿数据集;
根据所述第一位姿数据集、所述第二位姿数据集和所述第三位姿数据集,确定所述车载摄像设备的感知误差信息;
其中,所述第一位姿数据集、所述第二位姿数据集和所述第三位姿数据集的采样时间相同,所述第一位姿数据集和所述第二位姿数据集是基于所述车辆上的定位设备采集的数据,所述第三位姿数据集是基于所述车载摄像设备采集的数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一位姿数据集、所述第二位姿数据集和所述第三位姿数据集,确定所述车载摄像设备的感知误差信息之前,所述方法还包括:
确定所述定位设备的定位误差数据集;
所述根据所述第一位姿数据集、所述第二位姿数据集和所述第三位姿数据集,确定所述车载摄像设备的感知误差信息,包括:
根据所述定位误差数据集、所述第一位姿数据集、所述第二位姿数据集和所述第三位姿数据集,确定所述车载摄像设备的所述感知误差信息。
3.根据权利要求2所述的方法,其特征在于,所述确定所述定位设备的定位误差数据集,包括:
获取参考对象的标定位置数据集;
基于卫星定位系统获取所述参考对象的预测位置数据集;
根据所述标定位置数据集和所述预测位置数据集,确定所述定位设备的所述定位误差数据集。
4.根据所述权利要求2-3任一所述的方法,其特征在于,所述根据所述定位误差数据集、所述第一位姿数据集、所述第二位姿数据集和所述第三位姿数据集,确定所述车载摄像设备的所述感知误差信息,包括:
根据所述第一位姿数据集和所述第二位姿数据集,确定所述车辆相对于所述目标对象的第四位姿数据集;所述第三位姿数据集中的第三位姿数据与所述第四位姿数据集中的第四位姿数据一一对应;
根据所述第三位姿数据集和所述第四位姿数据集,确定所述车载摄像设备的所述感知误差信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一位姿数据集和所述第二位姿数据集,确定所述车辆相对于所述目标对象的所述第四位姿数据集,包括:
根据所述定位误差数据集和所述第一位姿数据集,确定所述车辆的第一校正位姿数据集;
根据所述定位误差数据集合所述第二位姿数据集,确定所述目标对象的第二校正位姿数据集;
基于所述车辆上的相对信息测量仪,根据所述第一校正位姿数据集和第二校正位姿数据集,确定所述车辆相对于所述目标对象的第四位姿数据集。
6.根据权利要求5所述的方法,其特征在于,所述基于所述车辆上的相对信息测量仪,根据所述第一校正位姿数据集和第二校正位姿数据集,确定所述车辆相对于所述目标对象的第四位姿数据集,包括:
基于所述相对信息测量仪和所述第二校正位姿数据集,确定所述目标对象对应的局部地图;
基于所述相对信息测量仪和所述第一校正位姿数据集,确定所述车辆在所述局部地图上的位置数据;
基于所述局部地图确定所述车辆相对于所述目标对象的所述第四位姿数据集。
7.根据权利要求4所述的方法,其特征在于,所述根据所述第三位姿数据集和所述第四位姿数据集,确定所述车载摄像设备的所述感知误差信息,包括:
根据一一对应的第三位姿数据和所述第四位姿数据,确定误差数据集;
根据所述误差数据集合所述误差数据集中每个误差数据对应的参考误差阈值,确定所述车载摄像设备的所述感知误差信息。
8.一种数据处理装置,其特征在于,所述数据处理装置用于处理车载摄像设备采集的数据,所述数据处理装置包括:
获取模块,用于获取车辆的第一位姿数据集,目标对象的第二位姿数据集和所述车辆相对于所述目标对象的第三位姿数据集;
第一确定模块,用于根据所述第一位姿数据集、所述第二位姿数据集和所述第三位姿数据集,确定所述车载摄像设备的感知误差信息;
其中,所述第一位姿数据集、所述第二位姿数据集和所述第三位姿数据集的采样时间相同,所述第一位姿数据集和所述第二位姿数据集是基于所述车辆上的定位设备采集的数据,所述第三位姿数据集是基于所述车载摄像设备采集的数据。
9.一种车载摄像设备的感知误差确定系统,其特征在于,包括:
定位设备,所述定位设备设置在车辆上,所述定位设备用于获取所述车辆的第一位姿数据集和所述目标对象的第二位姿数据集;
车载摄像设备,所述车载摄像设备设置在所述车辆上,所述车载摄像设备用于获取所述车辆相对于所述目标对象的第三位姿数据集;
相对信息测量仪,所述相对信息测量仪设置在所述车辆上,所述相对信息测量仪用于根据所述第一位姿数据集和所述第二位姿数据集,确定所述车辆相对于所述目标对象的第四位姿数据集;
处理器,所述处理器用于加载并执行以实现权利要求1-7任意一项所述的数据处理方法。
10.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现权利要求1-7任意一项所述的数据处理方法。
11.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-7任意一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111545049.1A CN114419563A (zh) | 2021-12-15 | 2021-12-15 | 一种数据处理方法、装置、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111545049.1A CN114419563A (zh) | 2021-12-15 | 2021-12-15 | 一种数据处理方法、装置、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114419563A true CN114419563A (zh) | 2022-04-29 |
Family
ID=81267060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111545049.1A Pending CN114419563A (zh) | 2021-12-15 | 2021-12-15 | 一种数据处理方法、装置、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419563A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114579556A (zh) * | 2022-05-05 | 2022-06-03 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN115018935A (zh) * | 2022-08-09 | 2022-09-06 | 季华实验室 | 相机与车辆的标定方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-15 CN CN202111545049.1A patent/CN114419563A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114579556A (zh) * | 2022-05-05 | 2022-06-03 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114579556B (zh) * | 2022-05-05 | 2022-08-02 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN115018935A (zh) * | 2022-08-09 | 2022-09-06 | 季华实验室 | 相机与车辆的标定方法、装置、电子设备及存储介质 |
CN115018935B (zh) * | 2022-08-09 | 2022-10-18 | 季华实验室 | 相机与车辆的标定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163930B (zh) | 车道线生成方法、装置、设备、系统及可读存储介质 | |
CN111947671B (zh) | 用于定位的方法、装置、计算设备和计算机可读存储介质 | |
CN109084782B (zh) | 基于摄像头传感器的车道线地图构建方法以及构建系统 | |
CN107481292B (zh) | 车载摄像头的姿态误差估计方法和装置 | |
CN114419563A (zh) | 一种数据处理方法、装置、系统、电子设备及存储介质 | |
CN110969055B (zh) | 用于车辆定位的方法、装置、设备和计算机可读存储介质 | |
CN111742326A (zh) | 车道线的检测方法、电子设备与存储介质 | |
WO2020039937A1 (ja) | 位置座標推定装置、位置座標推定方法およびプログラム | |
CN110906953A (zh) | 一种自动驾驶定位的相对位置精度评估方法及装置 | |
CN110962844A (zh) | 一种车辆航向角修正方法及系统、存储介质及终端 | |
CN107044853B (zh) | 用于确定地标的方法和装置以及用于定位的方法和装置 | |
CN104167109A (zh) | 车辆位置的检测方法和检测装置 | |
CN112835085A (zh) | 确定车辆位置的方法和装置 | |
CN110243364B (zh) | 无人机航向确定方法、装置、无人机及存储介质 | |
EP4105829A1 (en) | Lane line determination method and system, vehicle, and storage medium | |
CN111982132B (zh) | 数据处理方法、装置和存储介质 | |
CN109345567B (zh) | 物体运动轨迹识别方法、装置、设备和存储介质 | |
CN113297958A (zh) | 一种自动化标注方法、装置、电子设备和存储介质 | |
CN109710594B (zh) | 地图数据的有效性判断方法、装置及可读存储介质 | |
CN109766799B (zh) | 车位识别模型训练方法及装置和车位识别方法及装置 | |
CN116386373A (zh) | 车辆定位方法、装置、存储介质及电子设备 | |
CN111351497A (zh) | 一种车辆的定位方法、装置、地图的构建方法和装置 | |
CN114812575A (zh) | 一种修正参数的确定方法、装置、电子设备及存储介质 | |
CN114035189A (zh) | 一种道路隐患定位方法、装置、电子设备及存储介质 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |